一、插值方法
在工程和数学应用中,有这样一类数据处理问题,在平面上给定一组离散点列,要求一条曲线,把这些点按次序连接起来。
1. 分段线性插值
将每两个相邻的节点用直线连起来,如此形成的一条折线就是分段线性插值函数,记作
其中,
越大,分段越多,插值误差越小。
2. 拉格朗日插值多项式
基函数为.
拉格朗日插值函数
3. 样条插值(后续更)
二、曲线拟合的线性最小二乘法
已知一组(二维)数据,即平面上的n个点
互不相同,寻求一个函数
,使其在某种准则下与所有数据点最为接近。
线性最小二乘法
: 事先选定的一组线性无关的函数
: 待定系数
拟合准则:使与
的距离
的平方和最小(最小二乘准则)
(1)系数的确定
求
使
达到最小
令
令函数的导数等于0,解为
(2)函数的选取
a. 通过机理分析,确定
b. 将数据作图,直观判断用什么曲线拟合
常用的曲线:i: 直线 ii: 多项式
iii: 双曲线(一支) iiii: 指数曲线
可以选几种曲线分别拟合,然后比较,看哪条曲线的最小二乘指标最小。
三、最小二乘优化
在无约束优化问题中,目标韩素由若干个函数的平方和构成,这类函数一般可以写成:
把极小化这类函数的问题, 称为最小二乘优化问题。
四、函数逼近
已知一个较为复杂的连续函数,
, 要选择一个较简单的函数
, 在一定准则下最接近
, 即所谓函数逼近。
常用准则:最小平方逼近, 即
选一组函数构造, 令
, 求
使
达到最小。