目录
💥1 概述
📚2 运行结果
🎉3 参考文献
👨💻4 Matlab代码
💥1 概述
数值逼近方法:用离散数据的函数表构造某个(简单的)函数g (x) 去逼近或代替原函数f(x)。
常见数值逼近方法:插值方法和曲线拟合方法等。
插值和拟合都是根据某个未知函数(或已知但难于求解的函数)的几个已知数据点求出变化规律和特征相似的近似曲线的过程。但是插值法要求的是近似的曲线需要完全经过数据点,而拟合则是得到最接近的结果,强调最小方差的概念。
曲线拟合是通过在整个范围内分配数学函数(曲线)来建模或表示数据分布的过程。当我们需要发现一个与数据点完全拟合的函数时,就会使用插值,前提是提取的所有数据点都是准确的,没有任何错误。
📚2 运行结果
单个 X 值的线性插值:
变量 X 值的线性插值:
多项式插值:
主函数部分代码:
clear all; close all; clc; dataX=0:6; dataY=[0 0.8415 0.9093 0.1411 -0.7568 -0.9589 -0.2794]; x=[2.5 3 3.5]; for k = 1:length(x) for i=1:length(dataX)-1 if dataX(i)<=x(k) && dataX(i+1)>=x(k) x1=dataX(i); x2=dataX(i+1); y1=dataY(i); y2=dataY(i+1); end end y=(x(k)-x2)*y1/(x1-x2)+(x(k)-x1)*y2/(x2-x1); end plot(dataX,dataY) hold on plot(x,y,'o')
🎉3 参考文献
[1]唐家德.基于MATLAB的非线性曲线拟合[J].计算机与现代化,2008(06):15-19.
部分理论引用网络文献,若有侵权联系博主删除。