插值:求过已知有限个数据点的近似函数

拟合:已知有限个数据点,求近似函数,不要求过已知数据点,只要求在某种意义下在这些点的误差最小

(一)插值方法

一、拉格朗日多项式插值

1、插值多项式

就是做出一个多项式函数,经过给出的n个节点,并尽可能的接近原函数,将点带入多项式函数得到一个线性方程组

当系数矩阵满秩时,有唯一解。而,系数矩阵的行列式为

这是一个范德蒙德行列式,只要各个节点不同时,行列式就不为0,因此可得,一定能够解出系数方程

还有些指标

2、拉格朗日插值多项式

3、MATLAB实现

function y=lagrange(x0,y0,x)
%n个数据以数组x0,y0输入,m个插值点以数组x输入,输出数组y为m个插值。
n=length(x0);m=length(x);
for i=m;z=x(i);s=0.0;for k=1:np=1.0;for j=1:n;if j~=kp=p*(z-x0(j))/(x0(k)-x0(j));endends=p*y0(k)+s;endy(i)=s;
end

二、牛顿插值

1、差商

2、牛顿插值公式

有点就是,多一个数据点,只多一项

PS:

3、差分

4、等距节点插值公式

三、分段线性插值

1、插值多项式的振荡

即如果插值多项式的次数越高,越容易发生振荡,不能很好的拟合。

2、分段线性插值

3、MATLAB实现

四、Hermite插值

1、Hermite插值多项式

2、MATLAB实现

function y-hermite(x0,y0,y1,x);
%x0,y0为样本点数据,y1为导数指,m个插值点以数组x输入,输出数组y为m个插值
n=length(x0);m=length(x);
for k=1:m;yy=0.0;for i=1:nh=1.0;a=0.0;for j=i:nif j~=ih=h*((x(k)-x0(j))/(x0(i)-x0(j)))^2; a=1/(x0(i)-x0(j))+a;endendyy=yy+h*((x0(i)-x0(k))*(2*a*y0(i)-y(i))+y0(i));endy(k)=yy;
end

五、样条插值

1、概念

实际中最常用的是k=2和k=3的情况

二、二次样条函数插值

二次样条函数有n+2个待定常数,所以要有n+2个条件,才能有唯一解

一定要有一个条件为一阶导数

三、三次样本函数插值

二次样条函数有n+3个待定常数,所以要有n+3个条件,才能有唯一解

四、三次插值在MATLAB中的实现

部分转载

1、y=interp1(x0,y0,x,`spline`);     % (spline改成linear,则变成线性插值)

2、y=spline(x0,y0,xi);%这个是根据己知的x,y数据,用样条函数插值出xi处的值。即由x,y的值计算出xi对应的函数值。

3、pp=spline(x0,y0);%是由根据己知的x,y数据,求出它的样条函数表达式,不过该表达式不是用矩阵直接表示,要求点x`的值,要用函数y`=ppval(pp,x`);

4、pp=csape(x,y,'变界类型','边界值conds');生成各种边界条件的三次样条插值. 其中,(x,y)为数据向量,边界类型可为:

'complete':给定边界一阶导数,即默认的边界条件,Lagrange边界条件
             'not-a-knot':非扭结条件,不用给边界值.
             'periodic':周期性边界条件,不用给边界值.
             'second':给定边界二阶导数.
             'variational':自然样条(边界二阶导数为[0,0]。

五、demo

%转载= =
clear,clc
x0=[0,3,5,7,9,11,12,13,14,15];
y0=[0,1.2,1.7,2.0,2.1,2.0,1.8,1.2,1.0,1.6];
t=0:0.05:15;
%拉格朗日插值函数
y1=lagrange(x0,y0,t);%调用编写的lagrange函数
dy1=(lagrange(x0,y0,0.0001)-lagrange(x0,y0,0))/0.0001%x=0处斜率
min1=min(lagrange(x0,y0,13:0.001:15))%13到15最小值
subplot(2,2,1);
plot(x0,y0,'ro',t,y1);%画出曲线
title('拉格朗日插值函数');
%分段线性插值
y2=interp1(x0,y0,t,'spline');%注意区分spline与linear
Y2=interp1(x0,y0,t);%默认linear
dy2=(interp1(x0,y0,0.0001,'spline')-interp1(x0,y0,0,'spline'))/0.0001%x=0处斜率
min2=min(interp1(x0,y0,13:0.001:15,'spline'))%13到15最小值
subplot(2,2,2);
plot(t,y2,'b',t,Y2,'r',x0,y0,'ro');%画出曲线
title('分段线性插值');
legend('边条','线性');%显示图形图例
%三次线条插值A
y3=spline(x0,y0,t);
dy3=(spline(x0,y0,0.0001)-spline(x0,y0,0))/0.0001%x=0处斜率
min3=min(spline(x0,y0,13:0.001:15))%13到15最小值
subplot(2,2,3);
plot(x0,y0,'ro',t,y3);%画出曲线
title('三次线条插值A');
%三次线条插值B
pp1=csape(x0,y0);%默认的边界条件,即给定边界一阶导数
pp2=csape(x0,y0,'second');%给定边界二阶导数
y4=ppval(pp1,t);
Y4=ppval(pp2,t);
dy4=(ppval(pp1,0.0001)-ppval(pp1,0))/0.0001%x=0处斜率
min4=min(ppval(pp1,13:0.001:15))%13到15最小值
subplot(2,2,4);
plot(t,y4,'b',t,Y4,'r',x0,y0,'ro');%画出曲线
title('三次线条插值B');
legend('一阶','二阶');

七、二维插值

如果节点是二维的,插值函数是二元函数的话(曲面),我们可以画出三维的效果图

1、插值节点为网络节点

MatLab封装程序

z=interp2(x0,y0,z0,x,y,'method')

a、x0,y0为节点坐标,z0为n*m维矩阵,表示节点的值

b、x0,y0要求一个为行向量一个为列向量

c、z为矩阵,n=length(y),m=length(x)       因为MATLAB是列优先

d、

e、x,y为插值点坐标,z为函数值

然后如果是三次样条插值,可以使用命令

pp=csape({x0,y0},z0,conds,valconds),z=fnval(pp,{x,y})

a、x0,y0为节点坐标,z0为n*m维矩阵,表示节点的值

b、x0,y0要求一个为行向量一个为列向量

c、“conds”与一维相同,一般默认

d、x,y为插值点坐标 ,z为函数值

2、demo

clear,clc%样本点信息
x=100:100:500;
y=100:100:400;z=[636   697   624  478   450698   712   630  478   420680   674   598  412   400662   626   552  334   310];%录入样本点信息
pp=csape({x,y},z');  %注意z矩阵的行列所对应的向量
xi=100:10:500;
yi=100:10:400;
cz1=fnval(pp,{xi,yi});cz2=interp2(x,y,z,xi,yi','spline');
[i,j]=find(cz1==max(max(cz1)))subplot(1,2,1);
surf(xi,yi,cz1');
shading interp;   %插入颜色插值
axis equal;
title('cz1');subplot(1,2,2);
surf(xi,yi,cz2);
shading interp;
axis equal;
title('cz2');

二、插值节点为散乱节点

1、定义

MATLAB提供了一个函数

zi=griddata(x,y,z,xi,yi)

a、x,y,z为n维向量,就是数据点

b、xi,yi是给定的网格点横纵坐标(插值点),返回zi的值

2、demo

clear,clc%样本点信息
x=[129,140,103.5,88,185.5  195  105  157.5  107.5   77   81  162   162   117.5];
y=[7.5   141.5  23  147   22.5   137.5  85.5   -6.5   -81   3  56.5   -66.5  84  -33.5];
z=-[4   8  6 8  6  8  8  9  9  8  8  9  4  9];xi=75:200;
yi=-50:150;
zi=griddata(x,y,z,xi,yi','cubic');subplot(1,2,1);
plot(x,y,'*');
title('xy');subplot(1,2,2);
mesh(xi,yi,zi);
shading interp;
axis equal;
title('xyz');

转载于:https://www.cnblogs.com/BlueMountain-HaggenDazs/p/4271977.html

建模算法(八)——插值相关推荐

  1. c语言埃尔米特插值思路,【数学建模算法】(26)插值和拟合:埃尔米特(Hermite)插值和样条插值...

    1.埃尔米特(Hermite)插值 1.1.Hermite插值多项式 如果对插值函数,不仅要求它在节点处与函数同值,而且要求它与函数有相同的一阶.二阶甚至更高阶的导数值,这就是 Hermite 插值问 ...

  2. 数学建模十大算法02—插值与拟合(拉格朗日插值、三次样条插值、线性最小二乘法……)

    文章目录 引入 一.插值 1.1 分段线性插值 1.2 牛顿插值法 1.3 拉格朗日插值多项式 1.4 样条插值 1.4.1 三次样条插值 1.5 二维插值 1.5.1 插值节点为网格节点 1.5.2 ...

  3. 清风:数学建模算法、编程和写作培训

    清风:数学建模算法.编程和写作培训 一.评价模型 1.1 层次分析法 1.2 代码详解 1.3 模型拓展 1.4 课后作业 二.插值与拟合模型 三.相关性模型 四.回归模型 五.图论模型 六.分类问题 ...

  4. matlab中x从0到5不含0,关于MATLAB的数学建模算法学习笔记

    关于MATLAB的数学建模算法学习笔记 目录 线性规划中应用: (3) 非线性规划: (3) 指派问题;投资问题:(0-1问题) (3) 1)应用fmincon命令语句 (3) 2)应用指令函数:bi ...

  5. 数学建模算法学习笔记 已完结

    这是为了准备国赛突击学习的模型算法,我在原有的基础上加上自己的理解虽然不知道对不对,就是为了记录下自己学的模型他究竟是个什么东西,语言通俗,但是极不准确,只适合做一个大概的了解,建议大家详细的还是要看 ...

  6. 人工智能3d建模算法_打破国外垄断,全国产3D芯片为机器人“点睛”

    ◎ 科技日报记者 崔爽 传统机器人只有"手",只能在固定好的点位上完成既定操作,而新一轮人工智能技术大大推动了机器和人的协作,这也对机器人的灵活性有了更高要求. 要想像人一样测量. ...

  7. LL1分析构造法_数学建模算法--最优赋权法(含代码)

    数学建模算法--最优赋权法(含代码) 作者:郑铿城 本次介绍数学建模和科研写作的方法--最优赋权法最优赋权法经常用于分析评价类问题,从该算法的名称就可以看到,该算法首先要体现"最优" ...

  8. 计算机设计复合材料,两种复合材料几何建模算法-计算机辅助设计与图形学学报.PDF...

    两种复合材料几何建模算法-计算机辅助设计与图形学学报 第27 卷 第 1 期 计算机辅助设计与图形学学报 Vol. 27 No.1 2015 年 1 月 Journal of Computer-Aid ...

  9. 推荐业务多目标建模算法介绍:MMOE、OMOE、Shared-Bottom

    在推荐业务中经常有"既要.也要.还要"的场景,比如做视频推荐业务的时候既要提升用户对于视频的点击率,也希望同时提升用户观看视频的时长.面对这样的诉求,通常需要在推荐系统中使用多目标 ...

  10. OpenCV中高斯混合背景建模算法汇总

    2019独角兽企业重金招聘Python工程师标准>>> 引用地址:http://blog.csdn.net/chuhang_zhqr/article/details/51060745 ...

最新文章

  1. 二叉树前序遍历-递归与非递归
  2. spring手动控制事务开启_Spring 基于AOP的事务控制
  3. [AI开发]目标检测之素材标注
  4. 齐次线性方程组的解、SVD、最小二乘法
  5. 使用Maven,Jetty和Tomcat在嵌入式容器中运行Java Web应用程序
  6. 记一次曲折的jsp手工半盲注入
  7. Java基础学习总结(147)——Java常用分布式锁技术方案
  8. error和warning指令
  9. 初识Python 04 day
  10. 【优化分类】基于matlab GA优化GRNN超参数分类【含Matlab源码 1399期】
  11. 360云盘上传 计算机文件格式,360云盘怎么上传文件 360云盘上传文件方法
  12. arduino tft 方向_在Arduino上使用1.8英寸TFT显示屏的入门指南
  13. android中drawable的自建资源
  14. 面向对象程序设计c 语言,C 语言如何实现面向对象编程
  15. Java使用openssl详解(openssl安装教程、openssl制作证书、java代码实现openssl、浏览器通过https访问后端)入门
  16. 个人电脑常用工具汇总
  17. Spark Shuffle源码分析系列之UnsafeShuffleWriter
  18. 通过代码生成以太坊助记词、根据钱包地址获取私钥
  19. 【观察】紫光云:十年创新筑牢发展底座,政企云市场打出逆袭战
  20. 架构之路(六):把框架拉出来

热门文章

  1. 别再用 Visio 了!试试这个比它快 10 倍的画图工具不香吗?
  2. python大漠插件多开_[求助,]用python调用大漠插件,注册好后调用出错.完全不会了...
  3. 第二十八篇 闭包函数
  4. 模拟处理机作业调度---短作业优先调度算法
  5. 【9108】模拟数学计算器
  6. BZOJ 3744: Gty的妹子序列 [分块]
  7. 安卓深度探索(卷一)第六章
  8. opencart笔记
  9. 提升网络销售转化率的10种方法
  10. 深入浅出 Javascript API(二)--地图显示与基本操作