最小二乘法多项式曲线拟合原理与实现
来源:互联网 发布:致幻蘑菇 知乎 编辑:程序博客网 时间:2024/06/05 14:06
http://blog.csdn.net/jairuschan/article/details/7517773/
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 = (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:
# coding=utf-8'''作者:Jairus Chan程序:多项式曲线拟合算法'''import matplotlib.pyplot as pltimport mathimport numpyimport randomfig = plt.figure()ax = fig.add_subplot(111)#阶数为9阶order=9#生成曲线上的各个点x = numpy.arange(-1,1,0.02)y = [((a*a-1)*(a*a-1)*(a*a-1)+0.5)*numpy.sin(a*2) for a in x]#ax.plot(x,y,color='r',linestyle='-',marker='')#,label="(a*a-1)*(a*a-1)*(a*a-1)+0.5"#生成的曲线上的各个点偏移一下,并放入到xa,ya中去i=0xa=[]ya=[]for xx in x:yy=y[i]d=float(random.randint(60,140))/100#ax.plot([xx*d],[yy*d],color='m',linestyle='',marker='.')i+=1xa.append(xx*d)ya.append(yy*d)'''for i in range(0,5):xx=float(random.randint(-100,100))/100yy=float(random.randint(-60,60))/100xa.append(xx)ya.append(yy)'''ax.plot(xa,ya,color='m',linestyle='',marker='.')#进行曲线拟合matA=[]for i in range(0,order+1):matA1=[]for j in range(0,order+1):tx=0.0for k in range(0,len(xa)):dx=1.0for l in range(0,j+i):dx=dx*xa[k]tx+=dxmatA1.append(tx)matA.append(matA1)#print(len(xa))#print(matA[0][0])matA=numpy.array(matA)matB=[]for i in range(0,order+1):ty=0.0for k in range(0,len(xa)):dy=1.0for l in range(0,i):dy=dy*xa[k]ty+=ya[k]*dymatB.append(ty) matB=numpy.array(matB)matAA=numpy.linalg.solve(matA,matB)#画出拟合后的曲线#print(matAA)xxa= numpy.arange(-1,1.06,0.01)yya=[]for i in range(0,len(xxa)):yy=0.0for j in range(0,order+1):dy=1.0for k in range(0,j):dy*=xxa[i]dy*=matAA[j]yy+=dyyya.append(yy)ax.plot(xxa,yya,color='g',linestyle='-',marker='')ax.legend()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
- 常用Bracket插件
- Linux终端命令汇总
- JAVA面向对象-----成员内部类访问细节
- 根据jsonobject中的部分数据更新javabean中对应的属性[PATCH]
- 阅读积累
- 最小二乘法多项式曲线拟合原理与实现
- Java开发中利用枚举类来列举各个同一类型不同的值的情况
- Java中Synchronized的用法
- Boundless SDK应用发布
- 《redis入门指南》读书笔记
- vim 常用命令
- MVC 在Action中,过滤器中,或视图中,获取当前请求的 控制器/视图/区域的名字及跳转
- golang的参数验证
- [C++]高效使用c++11--理解auto类型推导