最小二乘法拟合直线

最小二乘法拟合直线

在科学实验和生产实践中，经常需要从一组实验数据出发寻求函数y=f(x)的一个近似表达式，也称为经验公式。从几何上看，就是希望根据给定的m个点，求曲线y=f(x)的一条近似曲线。因此这是个曲线拟合问题。

当我们要求近似曲线严格通过给定的每个点时，这是插值算法。对于本文所述的直线拟合来说，如果用插值算法，则只需要两个点就够了。实际直线拟合数据可能满足不了这个条件，为了便于计算，分析与应用，我们较多地根据“使测量点到直线距离的平方和最小”的原则来拟合。按最小二乘原则选择拟合曲线的方法，称为最小二乘法（Method of Least Squares）。

利用最小二乘法拟合曲线的一般步骤是：

• 将实验数据显示出来，分析曲线的形式；

• 确定拟合曲线的形式。对于本文来说，曲线形式是直线，y=a+bx;

• 建立法方程组并对其进行求解；

 

因为OpenCASCADE中数据结构及算法丰富，所以用OpenCASCADE可以快速实现直线的最小二乘法拟合算法。下面给出具体实现代码：

#include <iostream>

#include <gp_Lin2d.hxx>
#include <gp_Pnt2d.hxx>

#include <TColgp_Array1OfPnt2d.hxx>

#include <math_Vector.hxx>
#include <math_SVD.hxx>
#include <math_Gauss.hxx>
#include <math_GaussLeastSquare.hxx>

#include <OSD_Chronometer.hxx>