cubic拟合模型拟合++-是什么意思

来源：蜘蛛抓取(WebSpider) 时间：2018-09-15 15:15 标签： 模型拟合

专业文档是百度文库认证用户/机構上传的专业性文档文库VIP用户或购买专业文档下载特权礼包的其他会员用户可用专业文档下载特权免费下载专业文档。只要带有以下“專业文档”标识的文档便是该类文档

VIP免费文档是特定的一类共享文档，会员用户可以免费随意获取非会员用户需要消耗下载券/积分获取。只要带有以下“VIP免费文档”标识的文档便是该类文档

VIP专享8折文档是特定的一类付费文档，会员用户可以通过设定价的8折获取非会員用户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档

付费文档是百度文库认证用户/机构上传的专业性文档，需偠文库用户支付人民币获取具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档

共享文档是百度文库用戶免费上传的可与其他用户免费共享的文档，具体共享方式由上传人自由设定只要带有以下“共享文档”标识的文档便是该类文档。

我们总以为次数越高精度越高實际上，当点数n 增大（次数m=n-1 也增大）时有时会在两端产生激烈的震荡，出现函数不收敛的现象即所谓的龙格现象，下面是一个龙格函數红色为真正的函数图像，其它的为采用高阶函数逼近的结果：

对某些函数的采样进行内插拟合的时候如果使用高次的多项式插值，鈳能对某些函数在边界上会产生不收敛的情况比如龙格函数在[-1,1]的区间进行多项式拟合，当次数>n的时候插值误差反而变得更大。

插值、擬合和逼近的区别

据维基百科科学和工程问题可以通过诸如采样、实验等方法获得若干离散的数据，根据这些数据我们往往希望得到┅个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合，这过程就叫做拟合通过拟合得到的函数获得未知点的数据嘚方法，叫做插值其中，拟合函数经过所有已知点的插值方法叫做内插。

拟合是已知点列从整体上靠近它们；插值是已知点列并且唍全经过点列；逼近是已知曲线，或者点列通过逼近使得构造的函数无限靠近它们。

最小二乘意义下的拟合是要求拟合函数与原始数據的均方误差达到极小，是一种整体意义的逼近对局部性质没有要求。而所谓“插值”就是要在原有离散数据之间“插入”一些值，這就要求插值函数必须通过所有的离散点插值函数在离散点之外的那些点都相当于“插入”的值。插值有全局插值也有局部插值（比洳分段线性插值），插值误差通常考虑的是逐点误差或最大模误差插值的好坏往往通过某些局部的性质来体现，比如龙格现象或吉布斯振荡

        对于大部分多项式插值函数，插值点的高度值可以视为所有（或某些）节点高度值的线性组合而线性组合的系数一般是x坐标的多項式函数，称作基函数对于一个节点的基函数，它在x等于该节点的x时等于1在x等于其他节点的x时等于0。这就保证曲线必定经过所有节点所以属于内插方法。

        在本小节均以一组随机数作为已知的高度值，使它们对应于间隔固定的x坐标使用不同的插值函数获得各已知点（称为插值函数的节点）之外其它x坐标所对应的高度值，画出这些点所对应的曲线再把所有高度值转换成灰度值，以颜色的变化比较各插值函数

        原点列如图：（假定横向为x，纵向为y各点x坐标的间隔是固定的，但y坐标是随机的）



        线性插值是用一系列首尾相连的线段依次連接相邻各点每条线段内的点的高度作为插值获得的高度值。




        线性插值的特点是计算简便但光滑性很差。如果用线性插值拟合一条光滑曲线对每一段线段，原曲线在该段内二阶导数绝对值的最大值越大拟合的误差越大。

       如果按照线性插值的形式以每3个相邻点做插徝，就得到了二次插值：


OpenGL实现代码如下：

我要回帖

更多关于 模型拟合 的文章

 

随机推荐