多项式拟合最小二乘法的基本原理和多项式拟合
一 最小二乘法的基本原理
近似函数
,数据点
(i=0,1,…,m)误差
(i=0,1,…,m)
常用的方法有以下三种:
一是误差绝对值的最大值
,即误差 向量
的∞—范数;
二是误差绝对值的和
,即误差向量r的1—范数;
三是误差平方和
的算术平方根,即误差向量r的2—范数;
数据拟合的具体作法是:对给定数据
(i=0,1,…,m),
在取定的函数类
中,求
,使误差
(i=0,1,…,m)的
平方和最小,即
=
函数
称为拟合 函数或最小二乘解,求拟合函...
最小二乘法的基本原理和多项式拟合
一 最小二乘法的基本原理
近似函数
,数据点
(i=0,1,…,m)误差
(i=0,1,…,m)
常用的方法有以下三种:
一是误差绝对值的最大值
,即误差 向量
的∞—范数;
二是误差绝对值的和
,即误差向量r的1—范数;
三是误差平方和
的算术平方根,即误差向量r的2—范数;
数据拟合的具体作法是:对给定数据
(i=0,1,…,m),
在取定的函数类
中,求
,使误差
(i=0,1,…,m)的
平方和最小,即
=
函数
称为拟合 函数或最小二乘解,求拟合函数
的方法称为曲线
拟合的最小二乘法。
二 多项式拟合
假设给定数据点
(i=0,1,…,m),现求一
,使得
(1)
当拟合函数为多项式时,称为多项式拟合,满足式(1)的
称为最小二乘拟合多项式。显然
为
的多元函数,因此上述问题即为求
的极值 问题。
由多元函数求极值的必要条件,关于
的线性方程组,用矩阵表示为
(4)
式(3)或式(4)称为正规方程组或法方程组。
可以证明,方程组(4)的系数矩阵是一个对称正定矩阵,故存在唯一解。从式(4)中解出
(k=0,1,…,n),从而可得多项式
(5)
可以证明,式(5)中的
满足式(1),即
为所求的拟合多项式。我们把
称为最小二乘拟合多项式
的平方误差,记作
由式(2)可得
(6)
多项式拟合的一般方法可归纳为以下几步:
(1) 由已知数据画出函数粗略的图形——散点图,确定拟合多项式的次数n;
(2) 列表计算
和
;
(3) 写出正规方程组,求出
;
(4) 写出拟合多项式
。
*四 多项式拟合中克服正规方程组的病态
在多项式拟合中,当拟合多项式的次数较高时,其正规方程组往往是病态的。而且
①正规方程组系数矩阵的阶数越高,病态越严重;
②拟合节点分布的区间
偏离原点越远,病态越严重;
③
(i=0,1,…,m)的数量级相差越大,病态越严重。
为了克服以上缺点,一般采用以下
:
①尽量少作高次拟合多项式,而作不同的分段低次拟合;
②不使用原始节点作拟合,将节点分布区间作平移,使新的节点
关于原 点对称,可大大降低正规方程组的条件数,从而减低病态程度。
平移公式为:
(9)
③对平移后的节点
(i=0,1,…,m),再作压缩或扩张处理:
(10)
其中
,(r是拟合次数) (11)
经过这样调整可以使
的数量级不太大也不太小,特别对于等距节点
,作式(10)和式(11)两项变换后,其正规方程组的系数矩阵设 为A,则对1~4次多项式拟合,条件数都不太大,都可以得到满意的结果。
变换后的条件数上限表如下:
拟合次数
1
2
3
4
=1
<9.9
<50.3
<435
④在实际应用中还可以利用正交多项式求拟合多项式。一种方法是构造离散正交多项式;另一种方法是利用切比雪夫节点求出函数值后再使用正交多项式。这两种方法都使正规方程 组的系数矩阵为对角矩阵,从而避免了正规方程组的病态。
本文档为【多项式拟合】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。