.最小二乘法与曲线拟合.pptVIP

例：某种合成纤维的强度与其拉伸倍数有直接关系，下表是实际测定的24个纤维样品的强度与相应拉伸倍数的记录。试确定这种关系。 　 解：设 y=a+bx 解得： a=0.15 , b=0.859 直线方程为：y=0.15+0.859x 例1 设函数y=f(x)的离散数据如下表所示 （3）可化为线性拟合的非线性拟合 1 2 3 4 5 6 0 0.5 1 1.5 2 2.5 2.0 1.0 0.9 0.6 0.4 0.3 用最小二乘法求拟合曲线 例 设某实验数据如下: 解:将已给数据点描在坐标系中下图所示, 可以看出这些点接近指数曲线,因而可取指数函数 作为拟合函数： 对函数 两边取对数得. 令 则就得到线性模型 得 * * 如果已知函数f(x)在若干点xi(i=1,2,…,n)处 的值yi,便可根据插值原理来建立插值多项式作为f(x)的近似。但在科学实验和生产实践中，往往会遇到这样一种情况，即节点上的函数值并不是很精确的，这些函数值是由实验或观测得到的数据，不可避免地带有测量误差，如果要求所得的近似函数曲线精确无误地通过所有的点(xi,yi),就会使曲线保留着一切测试误差。 最小二乘法与曲线拟合 为此,我们希望从给定的数据(xi,yi)出发,构造一个近似函数 ,不要求函数 完全通过所有的数据点，只要求所得的近似曲线能反映数据的基本趋势， 如图5-7所示。 图5-7 曲线拟合示意图 也就是说拟合函数 在xi处的偏差(亦称残差） 不都严格地等于零。即为矛盾方程组。 曲线拟合函数 不要求严格地通过所有数据点 但是,为了使近似曲线能尽量反映所给数据点的 变化趋势,要求 按某种度量标准最小。若记向量 即要求向量 的某种范数 最小,如 的1-范数 或∞-范数 即 为最小。这种要求误差（偏差）平方和最小的拟合称为曲线拟合的最小二乘法。 为了便于计算、分析与应用，通常要求 的2-范数 实质仍然是求矛盾方程组的最小二乘解。 ??? 作拟合直线 （1）直线拟合 该直线不是通过所有的数据点 , 而是使偏差平方和 设已知数据点 , 分布大致为一条直线。 为最小， 其中每组数据与拟合曲线的偏差为 根据最小二乘原理，应取 和 使 有极小值， 故 和 应满足下列条件： 解法一： 即得如下正规方程组 求解该方程组，解得 代人 即得拟合曲线。 也可将条件带入构成矛盾方程组 其中 利用 解法二： 即得如下正规方程组 求解该方程组，解得 代人 即得拟合曲线。 （提示：将拉伸倍数作为x, 强度作为y, 在座标纸上标出各点，可以发现什么?） 从上图中可以看出强度与拉伸倍数大致成线形关系， 可用一条直线来表示两者之间的关系。 则： 计算出它的正规方程得 1 2 3 4 1.36 1.37 1.95 2.28 14.094 16.844 18.475 20.963 用最小二乘法求以上数据的拟合函数 例 设有某实验数据如下： 解:把表中所给数据画在坐标纸上,将会看到数据点的分布可以用一条直线来近似地描述, 设所求的拟合直线为 则正规方程组为 解得 即得拟合直线 将以上数据代入上式正规方程组,得 其中 （2）多项式拟合 有时所给数据点的分布并不一定近似地呈一条直线,这时仍用直线拟合显然是不合适的,可用多项式拟合。 对于给定的一组数据， 寻求次数不超过m (mn ) 的多项式， 来拟合所给定的数据，与线性拟合类似，使偏差的 平方和 为最小 由于Q可以看作是关于 ( j=0,1,2,…, m)的多元函数, 故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 得 即有 这是关于系数 的线性方程组 正则方程组 也可利用矛盾方程组来做 即有 利用 1 2 3 4 5 6 0 1 2 3 4 5 5 2 1 1 2 3 用最小二乘法求一个多项式拟合这组数据 例 设某实验数据如下： 解：将已给数据点描在坐标系中，可以看出这些点 接近一条抛物线，因此设所求的多项式为 由法方程组（5.46）, n=6, 经计算得 其法方程