对给定的试验数据点(xi,yi)(i=1,2,……,n),可以构造m次多项式
数据拟合的最简单的做法就是使误差p(xi)-yi的平方和最小
当前任务就是求一个P(x)使得
从几何意义上讲就是寻求给与定点(xi,yi)距离的平方和最小的曲线y=p(x)，函数p(x)称为拟合函数或者是最小二乘解，求拟合函数p(x)的方法称为曲线拟合的最小二乘法
由极值条件得到
即求得
通过简单运算可以得出系数是下面线性方程组的解。
在matlab中编程实现多项式曲线拟合函数为：LeastSquareDetail
功能：求已知数据点的多项式曲线拟合插值法多项式
调用格式：A=LeastSquareDetail(x,y,m,x0)
其中：x为已知数据点的x坐标向量
y为已知数据点的y坐标向量
m为拟合多项式的次数
A为拟合多项式的系数向量
多项式曲线拟合的matlab实现
LeastSquareDetail<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">.m</span><pre name="code" class="plain">function f = LeastSquareDetail(x,f,m,x0)
%x代表输入的x的值
%y代表输入的x对应的y值
%m代表拟合的次数
%x0为待求的点的x坐标format long g
a=length(x);
b=length(f);
if(a~=b)disp('xy的维数不相等！！');
end%求得矩阵A
A=zeros(m+1);
for i=1:m+1for j=i:m+1if(i==1&&j==1)A(i,j)=a;elsefor k=1:aA(i,j)=A(i,j)+x(k)^(i+j-2);endendA(j,i)=A(i,j);end
end%求得等式右边的矩阵
B=zeros(1,m+1);
for i=1:m+1if(i==1)for k=1:aB(i)=B(i)+f(k);endelsefor k=1:aB(i)=B(i)+x(k)^(i-1)*f(k);endend
end
B=B';
%求解系数
X=A\B;%求得到的方程
syms t;
c=length(X);
f=0;
for i=1:cf=f+X(i)*t^(i-1);f=collect(f);f=vpa(f,6);
endif nargin==4f=subs(f,'t',x0);
end
LeastSquareDetail<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">Insert.m</span><pre name="code" class="plain">% x=[36.9 46.7 63.7 77.8 84.0 87.5];
% y=[181 197 235 270 283 292];
% LeastSquareDetail(x,y,1)x=0:2*pi;
y=sin(x);
xx=0:0.1:2*pi;
yy=LeastSquareDetail(x,y,3,xx);
plot(x,y,'b',xx,yy,'r')
)
