函数逼近与曲线拟合精.ppt
《函数逼近与曲线拟合精.ppt》由会员分享,可在线阅读,更多相关《函数逼近与曲线拟合精.ppt(33页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、函数逼近与曲线拟合第1页,本讲稿共33页 3.1 3.1 函数逼近的基本概念函数逼近的基本概念 3.2 3.2 单变量数据拟合及最小二乘法单变量数据拟合及最小二乘法 3.3 3.3 多变量数据拟合多变量数据拟合 3.4 3.4 非线性数据线性化非线性数据线性化 3.5 3.5 正交多项式拟合正交多项式拟合第2页,本讲稿共33页 这些都涉及到在区间这些都涉及到在区间 上用简单函数逼近已知复杂上用简单函数逼近已知复杂函数的问题,这就是函数的问题,这就是函数逼近问题函数逼近问题.3.1 3.1 函数逼近的基本概念函数逼近的基本概念 实际中遇到的问题:实际中遇到的问题:(1)反映变量之间内在规律的函数
2、关系)反映变量之间内在规律的函数关系f(x),往往是通过实验或观测,往往是通过实验或观测得到的一张函数表,其表达式未知;得到的一张函数表,其表达式未知;(2)函数存在解析表达式,但由于形式过于复杂而不易使用,不容)函数存在解析表达式,但由于形式过于复杂而不易使用,不容易计算函数值。易计算函数值。插值法就是函数逼近问题的一种插值法就是函数逼近问题的一种.第3页,本讲稿共33页 记作作 ,本章讨论的函数逼近,是指本章讨论的函数逼近,是指“对函数类对函数类 中给定的函数中给定的函数中求函数中求函数 ,使使 与与 的的误差在某种度量差在某种度量要在另一要在另一类简单的便于的便于计算的函数算的函数类意义
3、下最小意义下最小”.函数函数类 通常通常为 次多次多项式,有理函数或分段低次多式,有理函数或分段低次多项式等式等.第4页,本讲稿共33页 代数插值是根据给定的数据表,按某些条件构造一个代数代数插值是根据给定的数据表,按某些条件构造一个代数多项式多项式近似代替函数近似代替函数条件条件:即要求函数即要求函数经过点经过点 由于数据表中给定的数据由于数据表中给定的数据是从实验或测量中得到的,难免有一些误差,而且有个别点的是从实验或测量中得到的,难免有一些误差,而且有个别点的误差可能比较大。误差可能比较大。问题:问题:如果插值节点如果插值节点xi及其上的函数值及其上的函数值yi存在误差,对插值函存在误差
4、,对插值函数有什么影响?当个别数据的误差较大时数有什么影响?当个别数据的误差较大时,会得到理想会得到理想的插值效果吗?为什么?的插值效果吗?为什么?第5页,本讲稿共33页曲线拟合示意图曲线拟合示意图 为此此,我我们希望从希望从给定的数据定的数据(xi,yi)出出发,构造一个近似构造一个近似函数函数 ,不要求函数不要求函数 完全通完全通过所有的数据点,只要求所有的数据点,只要求所得的近似曲所得的近似曲线能反映数据的基本能反映数据的基本趋势,如,如图所示。所示。换换句句话话说说:求求一一条条曲曲线线,使使数数据据点点均均在在离离此此曲曲线线的的上上方方或或下下方方不不远远处处,所所求求的的曲曲线线
5、称称为为拟拟合合曲曲线线,它它既既能能反反映映数数据据的的总总体体分分布布,又又不不至至于于出出现现局局部部较较大大的的波波动动,更更能能反反映映被被逼逼近近函函数数的的特特性性,使使求求得得的的逼逼近近函函数数与与已已知知函函数数从从总总体体上上来来说说其其误误差差按按某某种方法度量达到最小。种方法度量达到最小。这就是曲线拟合问题。这就是曲线拟合问题。第6页,本讲稿共33页 在在对给出的出的实验(或或观测)数据数据作曲作曲线拟合合时,怎怎样才算才算拟合得最好呢?合得最好呢?与函数插值问题不同与函数插值问题不同,曲线拟合不要求曲线通过所有已知点曲线拟合不要求曲线通过所有已知点,而是要求而是要求
6、得到的近似函数能反映数据的基本关系。在某种意义上得到的近似函数能反映数据的基本关系。在某种意义上,曲线拟合更曲线拟合更有实用价值。有实用价值。两种逼近概念两种逼近概念:插值插值:在节点处函数值相同在节点处函数值相同.拟合拟合:在数据点处误差平方和最小在数据点处误差平方和最小 一般希望各实验一般希望各实验(或观测或观测)数据与拟合曲线的数据与拟合曲线的误差的平方和最小误差的平方和最小,这就是最小二乘原理。这就是最小二乘原理。第7页,本讲稿共33页3.2 3.2 单变量数据拟合及最小二乘法单变量数据拟合及最小二乘法用几何描点法或凭经验选择一个近似函数用几何描点法或凭经验选择一个近似函数用几何描点法
7、或凭经验选择一个近似函数用几何描点法或凭经验选择一个近似函数 单变量数据拟合法的一般过程是:先根据给定函数的数据表单变量数据拟合法的一般过程是:先根据给定函数的数据表单变量数据拟合法的一般过程是:先根据给定函数的数据表单变量数据拟合法的一般过程是:先根据给定函数的数据表 通常称为拟合函数,通常称为拟合函数,通常称为拟合函数,通常称为拟合函数,以反映数据,以反映数据,以反映数据,以反映数据表中数据的一般趋势,然后使用最小二乘法来确定其中的未知参数,从表中数据的一般趋势,然后使用最小二乘法来确定其中的未知参数,从表中数据的一般趋势,然后使用最小二乘法来确定其中的未知参数,从表中数据的一般趋势,然后
8、使用最小二乘法来确定其中的未知参数,从而得到的近似函数而得到的近似函数而得到的近似函数而得到的近似函数 x x1 x2 xn y1 y2 yn通常称为被拟合函数。通常称为被拟合函数。通常称为被拟合函数。通常称为被拟合函数。第8页,本讲稿共33页 不一定要经过点不一定要经过点定义定义3.13.1 若记若记 ,则称,则称为为与与在在 一般情况下,使用单变量数据拟合法能选择到一个近似函数一般情况下,使用单变量数据拟合法能选择到一个近似函数使使,使它与,使它与的偏差的偏差的平方和达到最小,即使的平方和达到最小,即使达到最小。而能使偏差达到最小。而能使偏差的平方和达到最小的函数就是的平方和达到最小的函数
9、就是“最好最好”函数。函数。定义定义3.23.2 以以“偏差的平方和达到最小偏差的平方和达到最小”作为原则来选择近似作为原则来选择近似函数的方法称为最小二乘法。函数的方法称为最小二乘法。处的偏差。处的偏差。等于等于0 0是办不到的,但可以找到一个函数是办不到的,但可以找到一个函数什么是什么是“最好最好”的函数,的函数,“最好最好”的函数以什么标准来衡量的函数以什么标准来衡量?第9页,本讲稿共33页(1 1)直)直线拟合合 设已已知知数数据据点点 ,分分布布大大致致为一一条条直直线。根根据据最最小小二二乘乘原原理理作作拟合合直直线 ,该直直线不是通不是通过所有的数据点所有的数据点 ,而是使而是使
10、误差平方和差平方和 故故 和和 应满足下列条件:足下列条件:为最小。为最小。第10页,本讲稿共33页即得如下正即得如下正规方程方程组 令令第11页,本讲稿共33页 方程组改写为:方程组改写为:即按下列公式求即按下列公式求 a 和和 b 第12页,本讲稿共33页(2 2)多)多项式式拟合合 有有时所所给数数据据点点的的分分布布并并不不一一定定近近似似地地呈呈一一条条直直线,这时仍仍用用直直线拟合合显然然是是不不合合适适的的,可可用用多多项式式拟合合。对于于给定定的的一一组数数据据 寻求求次次数数不不超超过n(n m)的多的多项式式 来拟合所给定的数据,与线性拟合类似,使误差的平方和来拟合所给定的
11、数据,与线性拟合类似,使误差的平方和为最小。为最小。第13页,本讲稿共33页由由于于Q可可以以看看作作是是关关于于aj (j=0,1,2,=0,1,2,n)的的多多元元函函数数,故故上上述拟合多项式的构造问题可归结为多元函数的极值问题。令述拟合多项式的构造问题可归结为多元函数的极值问题。令得得 这是关于系数是关于系数 的的线性方程性方程组,通常称,通常称为正正规方程方程组。可以可以证明,正明,正规方程方程组有惟一解。有惟一解。第14页,本讲稿共33页例例3-13-1 已知一组数据如下表所示已知一组数据如下表所示,用单变量数据拟合法求其用单变量数据拟合法求其拟合函数拟合函数.解解 x -1 0
12、1 2 3 4 5 6 10 9 7 5 4 3 0 -1先画出散点图先画出散点图先画出散点图先画出散点图.从图中可以看到,点从图中可以看到,点 在一条直线附近,在一条直线附近,的近似函数的近似函数.这些点大体上满足直线方程。因此,可以选择线性函数来拟这些点大体上满足直线方程。因此,可以选择线性函数来拟 合这些数据,合这些数据,即可以选取即可以选取作为作为作为作为和和代入正规方程组得代入正规方程组得 解上方程组得到解上方程组得到 于是,求得拟合函数为于是,求得拟合函数为 把把把把第15页,本讲稿共33页3.3 3.3 多变量数据拟合多变量数据拟合若假设这些自变量为若假设这些自变量为和因变量为和
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 函数 逼近 曲线拟合
限制150内