多项式曲线拟合最小二乘法

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')

 



本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/246780.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

keras中的回调函数

keras训练 fit(self, x, y, batch_size32, nb_epoch10, verbose1, callbacks[], validation_split0.0, validation_dataNone, shuffleTrue, class_weightNone, sample_weightNone ) 1. x&#xff1a;输入数据。如果模型只有一个输入&#xff0c;那么x的类型是numpy array&…

运动合成——机器学习技术

参考文献&#xff1a;《人体运动合成中的机器学习技术合成综述》 根据机器学习的用途分类&#xff0c;在图形学中使用到的大致如下&#xff1a; 1> 回归和函数逼近。回归是一种插值技术&#xff0c;分析已知数据点来合成新的数据。 2> 降维。从高维数的运动数据…

keras如何保存模型

使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中&#xff0c;该文件将包含&#xff1a; 模型的结构&#xff0c;以便重构该模型 模型的权重 训练配置&#xff08;损失函数&#xff0c;优化器等&#xff09; 优化器的状态&#xff0c;以便于从上次训练中断的地…

ICA独立成分分析—FastICA基于负熵最大

1. 概念 官方解释&#xff1a;利用统计原理进行计算的方法&#xff0c;是一种线性变换。 ICA分为基于信息论准则的迭代算法和基于统计学的代数方法两大类&#xff0c;如FastICA算法&#xff0c;Infomax算法&#xff0c;最大似然估计算法等。 这里主要讨论FastICA算法。 先来…

tensorboard的可视化及模型可视化

待整理 How to Check-Point Deep Learning Models in Keras LossWise Tensorboard 中文社区 谷歌发布TensorBoard API&#xff0c;让你自定义机器学习中的可视化 查找tensorflow安装的位置 pip show tensorflow-gpu Name: tensorflow-gpu Version: 1.0.1 Summary: TensorFl…

隐马尔科夫模型——简介

1. 前言 学习了概率有向图模型和概率无向图模型&#xff0c;回头再看了一下隐马尔可夫模型(hidden Markov model&#xff0c;HMM)。 HMM属于树状有向概率图模型&#xff0c;主要用于对时序数据的建模&#xff0c;它的潜在变量是离散的&#xff1b;而另一种状态空间模型&…

训练的神经网络不工作?一文带你跨过这37个坑

近日&#xff0c;Slav Ivanov 在 Medium 上发表了一篇题为《37 Reasons why your Neural Network is not working》的文章&#xff0c;从四个方面&#xff08;数据集、数据归一化&#xff0f;增强、实现、训练&#xff09;&#xff0c;对自己长久以来的神经网络调试经验做了 37…

HMM——前向算法与后向算法

1. 前言 前向算法和后向算法主要还是针对HMM三大问题之一的评估问题的计算&#xff0c;即给定模型参数&#xff0c;计算观察序列的概率。文章不介绍过多公式&#xff0c;主要看两个例子 复习一下HMM的三大要素&#xff08;以海藻&#xff08;可观测&#xff09;和天气&#x…

HMM——维特比算法(Viterbi algorithm)

1. 前言 维特比算法针对HMM第三个问题&#xff0c;即解码或者预测问题&#xff0c;寻找最可能的隐藏状态序列&#xff1a; 对于一个特殊的隐马尔可夫模型(HMM)及一个相应的观察序列&#xff0c;找到生成此序列最可能的隐藏状态序列。 也就是说给定了HMM的模型参数和一个观测…

tensorflow安装正确, import tf, the problem is Couldn't find field google.protob.ExtensionRange.options

问题描述 import tensorflow error with correct installation, the problem is “Couldn’t find field google.protobuf.DescriptorProto.ExtensionRange.options” python import tensorflow 出现如下问题&#xff1a; I tensorflow/stream_executor/dso_loader.cc:135]…

HMM——前向后向算法

1. 前言 解决HMM的第二个问题&#xff1a;学习问题&#xff0c; 已知观测序列&#xff0c;需要估计模型参数&#xff0c;使得在该模型下观测序列 P(观测序列 | 模型参数)最大&#xff0c;用的是极大似然估计方法估计参数。 根据已知观测序列和对应的状态序列&#xff0c;或者说…

Web安全(吴翰清)

安全工程师的核心竞争力不在于他能拥有多少个 0day&#xff0c;掌握多少种安全技术&#xff0c;而是在于他对安全理解的深度&#xff0c;以及由此引申的看待安全问题的角度和高度。 第一篇 我的安全世界观 脚本小子 “Script Kids”。 黑客精神所代表的 Open、Free、Share。…

机器学习两种方法——监督学习和无监督学习(通俗理解)

前言 机器学习分为&#xff1a;监督学习&#xff0c;无监督学习&#xff0c;半监督学习&#xff08;也可以用hinton所说的强化学习&#xff09;等。 在这里&#xff0c;主要理解一下监督学习和无监督学习。 监督学习&#xff08;supervised learning&#xff09; 从给定的训…

Tensorflow中padding的两种类型SAME和VALID

边界补充问题 原始图片尺寸为7*7&#xff0c;卷积核的大小为3*3&#xff0c;当卷积核沿着图片滑动后只能滑动出一个5*5的图片出来&#xff0c;这就造成了卷积后的图片和卷积前的图片尺寸不一致&#xff0c;这显然不是我们想要的结果&#xff0c;所以为了避免这种情况&#xff…

机器学习两种距离——欧式距离和马氏距离

我们熟悉的欧氏距离虽然很有用&#xff0c;但也有明显的缺点。它将样品的不同属性&#xff08;即各指标或各变量&#xff09;之间的差别等同看待&#xff0c;这一点有时不能满足实际要求。例如&#xff0c;在教育研究中&#xff0c;经常遇到对人的分析和判别&#xff0c;个体的…

HMM前向算法,维比特算法,后向算法,前向后向算法代码

typedef struct { int N; /* 隐藏状态数目;Q{1,2,…,N} */ int M; /* 观察符号数目; V{1,2,…,M}*/ double **A; /* 状态转移矩阵A[1..N][1..N]. a[i][j] 是从t时刻状态i到t1时刻状态j的转移概率 */ double **B; /* 混淆矩阵B[1..N][1..M]. b[j][k]在状态j时观察到符合k的概率。…

Python的GUI框架PySide

PySide学习笔记 PySide安装 Python自带了GUI模块Tkinter&#xff0c;只是界面风格有些老旧。 Python的Qt有PyQt和PySide吧。PyQt 是商业及 GPL 的版权&#xff0c; 而 PySide 是 LGPL。大意也就是PyQt开发商业软件是要购买授权的&#xff0c;而PySide则不需要。二者代码基本一…

Python中的除法保留两位小数

在C/C语言对于整形数执行除法会进行地板除&#xff08;舍去小数部分&#xff09;。例如 int a15/10; a的结果为1。 同样的在Java中也是如此&#xff0c;所以两个int型的数据相除需要返回一个浮点型数据的时候就需要强制类型转换&#xff0c;例如 float a (float)b/c ,其中b、…

最小二乘法深入

上次写了一个一次函数yaxb类型的最小二乘法&#xff0c;即可以看做是n维输入列向量对应的一个n维输出列向量&#xff0c;然后对已知结果进行学习&#xff0c;得到拟合公式。这里对m*n的矩阵进行最小二乘法分析。 设模型的输出为和训练集输出&#xff0c;它们之间的平方误差为&…

github访问太慢解决方案

相关文章 版本管理 github访问太慢解决方案 Material for git workshop github 域名列表 先建立一个域名列表haha.txt&#xff0c;下面列表中的gist.github.com是代码片功能 github.com assets-cdn.github.com avatars0.githubusercontent.com avatars1.githubusercontent.…