数学之美
文章平均质量分 92
数学相关原理详解
EasonZzzzzzz
这个作者很懒,什么都没留下…
展开
-
二次规划(Lagrange 方法,起作用集方法)
二次规划是非线性规划中一种特殊情形,它的。由于二次规划比较简单,便于求解,且一些非线性规划可以转化为求解一系列二次规划问题,因此二次规划算法较早引起人们的重视,成为求解非线性规划的一个重要通径。二次规划的算法较多,本章介绍其中几个典型的方法,它们是和。原创 2024-06-19 17:47:39 · 500 阅读 · 0 评论 -
非有理 B 样条曲线插值方法——给定点数据的局部抛物线插值(可进行封闭曲线插值)
给定Qkk01⋯n,局部曲线插值是指创建nCiui01⋯n−1,要求相邻曲线段在连接点处满足事先指定的连续阶,采用多项式构造每个曲线段,然后选择一个合适的节点矢量得到 B 样条曲线。为了生成 B 样条曲线段Ciu,需要计算内控制点:二次的有一个;三次的有两个。这些控制点都在与曲线相切于Qk点的直线上,因此我们需要知道每一个Qk处的切向矢量Tk。原创 2024-02-27 09:39:33 · 790 阅读 · 2 评论 -
非有理 B 样条曲线插值方法——给定点数据的全局曲线插值(参数化插值方法)
ppp次 B 样条曲线的定义为Cu∑i0nNipuPia≤u≤b(1)Cui0∑nNipuPia≤u≤b1这里Pi\pmb P_iPi是曲线的控制点NipuNipu)}是定义在非周期(并且非均匀)节点矢量Ua⋯a⏟p1up1⋯um−p−1b⋯b⏟p1Up1a⋯aup1⋯um−p−1p。原创 2024-02-23 15:03:03 · 1026 阅读 · 2 评论 -
B 样条曲线
p次 B 样条曲线的定义为Cui0∑nNipuPia≤u≤b1这里Pi是曲线的Nipu)}是定义在非周期(并且非均匀)节点矢量Up1a⋯aup1⋯um−p−1p1b⋯b(包含m1个节点)上的p次 B 样条基函数。除非特别声明,通常取a0b1。由Pi构成的多边形称为。对于固定的uuU00012344555u25。原创 2024-02-19 15:18:14 · 788 阅读 · 0 评论 -
B 样条曲线拟合算法
一条p次 B 样条曲线的定义为Cui0∑nNipuPia≤u≤b1其中Pi是曲线的Nipu是定义在非周期节点矢量U上的p次 B 样条基函数,其值按照下式求取。原创 2024-02-19 08:38:34 · 1569 阅读 · 0 评论 -
B 样条基函数
令Uu0u1⋯um是一个单调不减的实数序列,即ui≤ui1i01⋯m−1。其中,ui称为节点,U称为节点矢量,用Nipu表示第i个p次(p1阶)B 样条基函数,其定义为(也称为Ni0uNipu10ui≤uui1elseuip−uiu−uiNip−1uuip1−ui1ui。原创 2024-02-18 18:30:59 · 2055 阅读 · 1 评论 -
贝塞尔曲线
由(3)式,一次和二次 Bernstein 多项式是。固定时计算 Bernstein 多项式值的算法。次 Bernstein 多项式,其定义为。时,由(1)式和(2)式可得。其中,基函数(也称为混合函数),由(4)式可以得到计算。次贝塞尔曲线可以表示为。综合利用式(1)和算法。可以计算对某个固定的。由式(3)可以得到当。次贝塞尔曲线上的点。次贝塞尔曲线,我们有。原创 2024-02-18 15:06:48 · 827 阅读 · 0 评论 -
移动最小二乘法
(Moving Least Square,MLS)主要应用于,该方法基于(即函数值只在有限大小的封闭域中定义大于零,而在域外则定义为零)和,通过建立适合散点(Scattered points)模型的拟合函数。原创 2024-02-09 22:10:52 · 1541 阅读 · 0 评论 -
径向基函数插值
径向基函数插值是对于给定的多元散乱数据。原创 2024-01-08 16:13:28 · 1434 阅读 · 0 评论 -
数值计算—三次样条函数插值
Sixi1Si1xi1i012⋯n−2Sixi1Si1xi1i012⋯n−2已知n1n+1n1个节点,nnn个区间,因此有n−1n-1n−1个衔接点,共生成n−1n-1n−1个方程,即S0x1S1x1S1x2S2x2⋮Sn−2xn−1Sn−1xn−1⎩⎨⎧S0x1S1x。原创 2024-01-04 22:12:13 · 1591 阅读 · 1 评论 -
变分法的基本概念
1、泛函变分法是研究泛函极值问题的工具。泛函就是函数的函数,它是普通函数概念的一种补充。首先回顾一下函数的概念:如果变量 yyy 因 xxx 的变化按某一确定的规律而变化,或者说,对应于 xxx 定义域中的每一个 xxx 值,yyy 都有一个(或一组)确定的值与之对应,则称 yyy 是 xxx 的函数,记作 y=f(x)y=f(x)y=f(x)。这里宗量 xxx 是独立自变量,而 yyy 是因变量。与函数概念相对应,可以这样来阐明泛函的概念:如果一个因变量,它的宗量不是独立自变量,而是另一些独立自变量原创 2024-01-03 17:35:01 · 877 阅读 · 0 评论 -
矩阵微分与向量函数的Taylor展开
,x∈Rn1、对标量的微分令 F(t)=[fij(t)]∈Rn×mF(t)=[f_{ij}(t)]\in\pmb{R}^{n\times m}F(t)=[fij(t)]∈Rn×m 是关于标量 t∈R1t\in \pmb R^1t∈R1 的函数矩阵,则其关于 ttt 的导数为dF(t)dt=[dfij(t)dt]∈Rn×m\dfrac{\mathrm{d}F(t)}{\mathrm{d}t}=\Big[\dfrac{\mathrm{d} f_{ij}(t)}{\mathrm{d}t}\Big]原创 2024-01-02 22:30:04 · 1144 阅读 · 0 评论 -
最小二乘法
勒让德认为,最小化误差的平方和所估计出来的模型是最接近真实情形的(误差=真实值-理论值)。也就是说,最佳的拟合准则是使yi与fxi的距离的平方和最小,这个准则也被称为最小二乘准则。原创 2023-12-29 15:03:36 · 798 阅读 · 0 评论