建模算法(八)——插值
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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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. ...
- 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" ...
- 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 ...
- 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 ...
- 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
- 二叉树前序遍历-递归与非递归
- spring手动控制事务开启_Spring 基于AOP的事务控制
- [AI开发]目标检测之素材标注
- 齐次线性方程组的解、SVD、最小二乘法
- 使用Maven,Jetty和Tomcat在嵌入式容器中运行Java Web应用程序
- 记一次曲折的jsp手工半盲注入
- Java基础学习总结(147)——Java常用分布式锁技术方案
- error和warning指令
- 初识Python 04 day
- 【优化分类】基于matlab GA优化GRNN超参数分类【含Matlab源码 1399期】
- 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
- arduino tft 方向_在Arduino上使用1.8英寸TFT显示屏的入门指南
- android中drawable的自建资源
- 面向对象程序设计c 语言,C 语言如何实现面向对象编程
- 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
- 个人电脑常用工具汇总
- Spark Shuffle源码分析系列之UnsafeShuffleWriter
- 通过代码生成以太坊助记词、根据钱包地址获取私钥
- 【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
- 架构之路(六):把框架拉出来
热门文章
- 别再用 Visio 了!试试这个比它快 10 倍的画图工具不香吗?
- 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...
- 第二十八篇 闭包函数
- 模拟处理机作业调度---短作业优先调度算法
- 【9108】模拟数学计算器
- BZOJ 3744: Gty的妹子序列 [分块]
- 安卓深度探索(卷一)第六章
- opencart笔记
- 提升网络销售转化率的10种方法
- 深入浅出 Javascript API(二)--地图显示与基本操作