




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
./定義:最小二乘法〔又稱最小平方法是一種數(shù)學(xué)優(yōu)化技術(shù)。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù),并使得這些求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法還可用于曲線擬合。其他一些優(yōu)化問題也可通過最小化能量或最大化熵用最小二乘法來表達(dá)。最小二乘法原理:
在我們研究兩個(gè)變量〔x,y之間的相互關(guān)系時(shí),通常可以得到一系列成對的數(shù)據(jù)〔x1,y1.x2,y2...xm,ym;將這些數(shù)據(jù)描繪在x-y直角坐標(biāo)系中,若發(fā)現(xiàn)這些點(diǎn)在一條直線附近,可以令這條直線方程如〔式1-1。Yj=a0+a1X〔式1-1>其中:a0、a1是任意實(shí)數(shù)1.多項(xiàng)式曲線擬合:polyfit
1.1常見擬合曲線:直線:
y=a0X+a1
多項(xiàng)式:一般次數(shù)不易過高23
雙曲線:
y=a0/x+a1指數(shù)曲線:y=a*e^b
1.2matlab中函數(shù)
P=polyfit<x,y,n>
[PSmu]=polyfit<x,y,n>polyval〔P,t:返回n次多項(xiàng)式在t處的值
注:其中xy已知數(shù)據(jù)點(diǎn)向量分別表示橫縱坐標(biāo),n為擬合多項(xiàng)
式的次數(shù),結(jié)果返回:P-返回n次擬合多項(xiàng)式系數(shù)從高到低
依次存放于向量P中,S-包含三個(gè)值其中normr是殘差平方
和,mu-包含兩個(gè)值mean〔x均值,std〔x標(biāo)準(zhǔn)差。1.3舉例
1.已知觀測數(shù)據(jù)為:
X:0
1
2
3
4
5
6
7
8
9
1
Y:-0.447
1.987
3.28
6.16
7.08
7.34
7.66
9.56
9.48
9.3
11.2用三次多項(xiàng)式曲線擬合這些數(shù)據(jù)點(diǎn):x=0:0.1:1
y=[-
0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.3,11.2]
plot<x,y,'k.','markersize',25>
holdon
axis<[01.3-216]>
p3=polyfit<x,y,3>
t=0:0.1:1.2:
S3=polyval<P3,t>;
plot<t,S3,'r'>;2.擬合為指數(shù)曲線注:在對已測數(shù)據(jù)不太明確滿足什么關(guān)系時(shí),需要假設(shè)為多種曲
線擬合然后比較各自的residal〔均方誤差越小者為優(yōu),
多項(xiàng)式擬合不是擬合次數(shù)越高越好,而是殘差越小越好。2.非線性曲線擬合:lsqcurvefitX=lsqcurvefit<fun,X0,xdata,ydata>[X,resnorm]=lsqcurvefit<fun,X0,xdata,ydata>注:其中xdataydata為給定數(shù)據(jù)橫縱坐標(biāo),按照函數(shù)文件fun
給定的函數(shù)以X0為初值做最小乘二擬合,返回函數(shù)fun中的
系數(shù)向量X和殘差的平方和resnorm。2.1例如
已知觀測數(shù)據(jù):
求三個(gè)參數(shù)abc的值是的曲線f<x>=a*e^x+b*X^2+c*X^已知數(shù)據(jù)點(diǎn)在最小二乘意義上充分接近首先編寫擬合函數(shù)文件funfunctionf=fun<X,xdata>f=X<1>*exp<xdata>+X<2>*xdata.^2+X<3>*xdata.^3保存文件fun.m編寫函數(shù)調(diào)用擬合函數(shù)文件xdata=0:0.1:1;ydata=[3.13.273.814.55.18613.17];X0=[000];[X,resnorm]=lsqcurvefit<fun,X0,xdata,ydata>運(yùn)行顯示:X=
3.0022
4.0304
0.9404resnorm=
0.0912綜上:最小乘二意義上的最佳擬合函數(shù)為
f<x>=3.0022x+4.0304x^2+0.9404x^3殘差平方和:0.0912注:在針對只有一些已測數(shù)據(jù)而不太清楚最小乘二擬合函數(shù)時(shí),
采取先打印出已知數(shù)據(jù)的散點(diǎn)圖,然后觀察散點(diǎn)圖大概
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度車輛抵押給個(gè)人質(zhì)押貸款合同:豪華轎車使用權(quán)協(xié)議
- 2025年度特種車輛拖車與吊裝作業(yè)服務(wù)合同
- 二零二五年度旅游居間協(xié)議合同服務(wù)項(xiàng)目解析
- 二零二五年度泳池安全知識(shí)培訓(xùn)免責(zé)協(xié)議
- 二零二五年度空調(diào)銷售與節(jié)能改造升級合同
- 二零二五年度餐飲管理公司員工培訓(xùn)與用工合同
- 高速公路排水溝施工合同(2025年度)包含臨時(shí)道路修復(fù)服務(wù)
- 2025年度銷售人員商業(yè)秘密保護(hù)及保密補(bǔ)償協(xié)議
- 二零二五年度傳媒行業(yè)勞動(dòng)合同終止及競業(yè)限制協(xié)議范本
- 2025年度道路養(yǎng)護(hù)承包合同解除書
- 群體傷應(yīng)急預(yù)案及搶救流程
- 2021年熔化焊與熱切割基礎(chǔ)知識(shí)課件
- 3.《東施效顰》課件PPT
- 秒的認(rèn)識(shí) 完整版PPT
- 創(chuàng)新藥產(chǎn)業(yè)鏈研究培訓(xùn)框架
- (完整PPT)半導(dǎo)體物理與器件物理課件
- 大音希聲話古韻——古琴曲《流水》課件
- 浮針療法之頸椎病的治療ppt課件
- 金蝶K3 Cloud 產(chǎn)品安裝指南
- VISIO圖標(biāo)大全(完整版)
- 醫(yī)療、預(yù)防、保健機(jī)構(gòu)醫(yī)師聘用證明表(共1頁)
評論
0/150
提交評論