数据拟合的相关对比

        曲线拟合技术在图像处理、逆向工程以及测试数据的处理等领域中的应用越来越广泛．曲线拟合其目的是根据实验获得的数据去建立因变量与自变量之间有效的经验函数关系，为进一步的深入研究提供线索。对于某个变化过程中的多个相互依赖的变量，可建立适当的数学模型，用于分析预报决策或控制该过程．用不同的方法可得到不同的模拟函数。

        拟合技术总的可以分为有理论模型和无理论模型拟合。

有理论模型的曲线拟合适用于处理有一定背景资料、规律性较强的拟合问题。通过实验或者观测得到的数据对(x;y:)(i=1,2，…n)，可以用与背景资料规律相适应的解析表达式y=f(x,c)来反映x、y之间的依赖关系一类是能通过某些数学变换使待求参数以线性形式出现的，一般优先对其进行线性变换将问题转换，这种称为伪线性最小二乘问题; 对于不能直接线性化的问题，通常要借助求解非线性方程组，通过最优化方法求得所需参数。简言之可以直接用表达式来表示

无理论模型的曲线拟合通常用于工程当中规律性差、理论模型难以确定或者根本不需要理论模型的问题的处理。这种情况下一般采用几何方法或神经网络方法实现曲线拟合。不可以直接用表达式来表示