数据拟合法汇总.ppt

1,第三章数据拟合法,2,主要知识点,1、曲线拟合的概念2、多项式拟合3、直线拟合,3,函数插值问题回忆,设已知某个函数关系在某些离散点上的函数值：插值问题：根据这些已知数据来构造函数的一种简单的近似表达式,以便于计算点的函数值，或计算函数的一阶、二阶导数值。,4,曲线拟合的概念,在前面所讨论的各种插值方法中，始假设数据点是精确的，准确的，不可修改的，所要求出的插值曲线必须通过每一个数据点。但在实际工作中由于各随机因素的干扰，所得到的数据往往不同程度存在着误差。因此，插值方法只能适用那些误差可以忽略不记的情况，当误差较大而不能忽略时，又如何通过这些观测数据确定其内在的变化规律呢？本节所介绍的曲线拟合就是解决这一问题的主要方法之一。,5,曲线拟合的概念(续),如图所示，常常需要从一组获得的数据点中，寻找变量与变量之间的变化规律用几何方法来解释，就是用已知平面内的一组点，来确定一条曲线，使该曲线能在整体上刻画这组点的变化趋势而不需通过每个点，我们称这种方法为曲线拟合，所求出的曲线称为拟合曲线。,6,曲线拟合的方法,将上述问题抽象为数学问题为：设有一组数据对，求连续变量的一个函数，它在处误差为，使总体误差按某种算法达到最小常用的三种准则是:,7,曲线拟合的方法(续),（）使得误差的最大的绝对值为最小，即（）使误差的绝对值和最小，即（）使误差的平方和为最小，即由于准测（）、（）含有绝对值不便于处理，通常采用准测（），并称基于准则（）来选取拟合曲线的方法，为曲线拟合的最小二乘法。,8,多项式拟合,一般而言，所求得的拟合函数可以是不同的函数类，其中最简单的是多项式，此时称为多项式拟合，具体定义如下：,9,多项式拟合(续1),定义2.5设有给定的数据，假设其拟合函数形式为，求系数，使得取最小值称次多项式为次最小二乘拟合多项式(或次最小平方逼近多项式)。特别地，当时，称为线性最小二乘拟合。,10,多项式拟合（续2）,容易看出是系数的元二次多项式(二次型)，所以可以用多元函数求极值的方法求其最小值点和最小值。将对求偏导数得到驻点方程组：，即,11,直线拟和,问题对于给定的数据点,，求作一次式,，使总误差为最小，即在二元函数式中,为最小。这里Q是关于未知数a和b的二元函数，这一问题就是要确定a和b取何值时，二元函数,的值最小?,12,直线拟和（续1）,由微积分的知识可知，这一问题的求解，可归结为求二元函数,的极值问题，即,和,应满足：,13,直线拟和（续2）,14,拟合例题,例1已知观测数据如下所示，求它的拟合曲线。解：根据所给数据，在直角坐标下画出数据点，从图中可以看出，各点在一条直线附近，故可取线性函数作为拟合曲线,15,拟合例题（续1）,令将数据带入公式得，解得。因此而得所求拟合曲线为。,16,拟合例题（续2）,例2有一滑轮组，要举起W公斤的重物需要用F公斤的力，实验所得的数据如下表。,求适合上述关系的近似公式。,17,拟合例题（续3）,解首先，将这些数据画在直角坐标系中，从图形上看，数据点的分布大致呈一条直线，所以设所求的拟合直线为，,得关于a和b的线性方程组,18,其他类拟和问题,正如本节开头所指出的最小二乘法并不只限于多项式，也可用于任何具体给出的函数形式。特别重要的是有些非线性最小二乘拟合问题通过适当的变换可以转化为线性最小二乘问题求解。,19,拟合例题（续4）,例2已知数据表,求一形如,解：所求拟合函数是一个指数函数，对它两边取自然对数，得,的经验公式与已知数据拟合,20,拟合例题（续5）,于是对应于上述数据表得到一个以应数据表：,若记,则,从而将原问题转化为由新数据表所给出的线性拟合问题易知其求解方程组为：,21,拟合例题（续6）,解之得,，于是,，故所求经验公式为,22,拟合例题分析,通过上述两例可知，用多项式作曲线拟合的计算步骤可分为如下几步：（）根据已给的数据,作