最小二乘法多项式曲线拟合原理与实现
来源:互联网 发布:编程浪子新浪博客 编辑:程序博客网 时间:2024/05/26 19:19
概念
最小二乘法多项式曲线拟合,根据给定的m个点,并不要求这条曲线精确地经过这些点,而是曲线y=f(x)的近似曲线y= φ(x)。
原理
[原理部分由个人根据互联网上的资料进行总结,希望对大家能有用]给定数据点pi(xi,yi),其中i=1,2,…,m。求近似曲线y= φ(x)。并且使得近似曲线与y=f(x)的偏差最小。近似曲线在点pi处的偏差δi= φ(xi)-y,i=1,2,...,m。
常见的曲线拟合方法:
1.使偏差绝对值之和最小
2.使偏差绝对值最大的最小
3.使偏差平方和最小
按偏差平方和最小的原则选取拟合曲线,并且采取二项式方程为拟合曲线的方法,称为最小二乘法。
推导过程:
1. 设拟合多项式为:
2. 各点到这条曲线的距离之和,即偏差平方和如下:
3. 为了求得符合条件的a值,对等式右边求ai偏导数,因而我们得到了:
.......
4. 将等式左边进行一下化简,然后应该可以得到下面的等式:
.......
5. 把这些等式表示成矩阵的形式,就可以得到下面的矩阵:
6. 将这个范德蒙得矩阵化简后可得到:
7. 也就是说X*A=Y,那么A = Invert(X ' * X) * X ' * Y (原文错误修正, Invert ()为逆矩阵 (X'*X)-1*X'*Y),便得到了系数矩阵A,同时,我们也就得到了拟合曲线。
实现
运行前提:
- Python运行环境与编辑环境;
- Matplotlib.pyplot图形库,可用于快速绘制2D图表,与matlab中的plot命令类似,而且用法也基本相同。
代码:
01.# coding=utf-8 02. 03.''''' 04.作者:Jairus Chan 05.程序:多项式曲线拟合算法 06.''' 07.import matplotlib.pyplot as plt 08.import math 09.import numpy 10.import random 11. 12.fig = plt.figure() 13.ax = fig.add_subplot(111) 14. 15.#阶数为9阶 16.order=9 17. 18.#生成曲线上的各个点 19.x = numpy.arange(-1,1,0.02) 20.y = [((a*a-1)*(a*a-1)*(a*a-1)+0.5)*numpy.sin(a*2) for a in x] 21.#ax.plot(x,y,color='r',linestyle='-',marker='') 22.#,label="(a*a-1)*(a*a-1)*(a*a-1)+0.5" 23. 24.#生成的曲线上的各个点偏移一下,并放入到xa,ya中去 25.i=0 26.xa=[] 27.ya=[] 28.for xx in x: 29. yy=y[i] 30. d=float(random.randint(60,140))/100 31. #ax.plot([xx*d],[yy*d],color='m',linestyle='',marker='.') 32. i+=1 33. xa.append(xx*d) 34. ya.append(yy*d) 35. 36.'''''for i in range(0,5): 37. xx=float(random.randint(-100,100))/100 38. yy=float(random.randint(-60,60))/100 39. xa.append(xx) 40. ya.append(yy)''' 41. 42.ax.plot(xa,ya,color='m',linestyle='',marker='.') 43. 44. 45.#进行曲线拟合 46.matA=[] 47.for i in range(0,order+1): 48. matA1=[] 49. for j in range(0,order+1): 50. tx=0.0 51. for k in range(0,len(xa)): 52. dx=1.0 53. for l in range(0,j+i): 54. dx=dx*xa[k] 55. tx+=dx 56. matA1.append(tx) 57. matA.append(matA1) 58. 59.#print(len(xa)) 60.#print(matA[0][0]) 61.matA=numpy.array(matA) 62. 63.matB=[] 64.for i in range(0,order+1): 65. ty=0.0 66. for k in range(0,len(xa)): 67. dy=1.0 68. for l in range(0,i): 69. dy=dy*xa[k] 70. ty+=ya[k]*dy 71. matB.append(ty) 72. 73.matB=numpy.array(matB) 74. 75.matAA=numpy.linalg.solve(matA,matB) 76. 77.#画出拟合后的曲线 78.#print(matAA) 79.xxa= numpy.arange(-1,1.06,0.01) 80.yya=[] 81.for i in range(0,len(xxa)): 82. yy=0.0 83. for j in range(0,order+1): 84. dy=1.0 85. for k in range(0,j): 86. dy*=xxa[i] 87. dy*=matAA[j] 88. yy+=dy 89. yya.append(yy) 90.ax.plot(xxa,yya,color='g',linestyle='-',marker='') 91. 92.ax.legend() 93.plt.show()
- 最小二乘法多项式曲线拟合原理与实现
- 最小二乘法多项式曲线拟合原理与实现
- 最小二乘法多项式曲线拟合原理与实现
- 最小二乘法多项式曲线拟合原理与实现
- 最小二乘法多项式曲线拟合原理与实现
- 最小二乘法多项式曲线拟合原理与实现
- 最小二乘法多项式曲线拟合原理与实现
- 最小二乘法曲线拟合原理与实现
- 最小二乘法 多项式曲线拟合 原理公式理解 Python 实现
- 最小二乘法多项式曲线拟合原理与实现(错误地方已经修改底层补充自己写的java实现)
- 多项式曲线拟合最小二乘法
- 最小二乘法多项式曲线拟合
- 最小二乘法与曲线拟合
- 最小二乘法拟合多项式原理以及c++实现
- 最小二乘法曲线拟合 C语言实现
- 用n次多项式的最小二乘法进行曲线拟合(c++)
- 最小二乘法曲线拟合
- 曲线拟合最小二乘法
- wordpress搬家主要流程分享本
- 软件配置管理
- java web开发学习-11 Apache ActiveMQ
- struct2动态方法调用和使用通配符定义action
- memcached: error while loading shared libraries: libevent-2.0.so.5: cannot o解决
- 最小二乘法多项式曲线拟合原理与实现
- Android有效解决加载大图片时内存溢出的问题
- Xp系统优化之 路由器(13)
- FLEX学习-1环境搭建
- JSP向controller传参时,如何把动态记录传过去
- C++类中的static数据成员,static成员函数
- mysql优化———第二篇:数据库优化调整参数
- java 线程池。。感觉这个写得比较好。。给兄弟们弄过来了
- 初级黑客入侵教程