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:n
p=1.0;
for j=1:n;
if j~=k
p=p*(z-x0(j))/(x0(k)-x0(j));
end
end
s=p*y0(k)+s;
end
y(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:n
h=1.0;
a=0.0;
for j=i:n
if j~=i
h=h*((x(k)-x0(j))/(x0(i)-x0(j)))^2;
a=1/(x0(i)-x0(j))+a;
end
end
yy=yy+h*((x0(i)-x0(k))*(2*a*y0(i)-y(i))+y0(i));
end
y(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=[636 697 624 478 450
698 712 630 478 420
680 674 598 412 400
662 626 552 334 310]; %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');
建模算法(八)——插值的更多相关文章
- A*算法 -- 八数码问题和传教士过河问题的代码实现
前段时间人工智能的课介绍到A*算法,于是便去了解了一下,然后试着用这个算法去解决经典的八数码问题,一开始写用了挺久时间的,后来试着把算法的框架抽离出来,编写成一个通用的算法模板,这样子如果以后需要用到 ...
- 建模算法(一)——线性规划
一.解决问题 主要是安排现有资源(一定),取得最好的效益的问题解决,而且约束条件都是线性的. 二.数学模型 1.一般数学模型 2.MATLAB数学模型 其中c,x都是列向量,A,Aeq是一个合适的矩阵 ...
- 算法——八皇后问题(eight queen puzzle)之回溯法求解
八皇后谜题是经典的一个问题,其解法一共有种! 其定义: 首先定义一个8*8的棋盘 我们有八个皇后在手里,目的是把八个都放在棋盘中 位于皇后的水平和垂直方向的棋格不能有其他皇后 位于皇后的斜对角线上的棋 ...
- 7, java数据结构和算法: 八皇后问题分析和实现 , 递归回溯
什么是八皇后问题: 指的是,在一个8 * 8的棋盘中, 放置8个棋子, 保证这8个棋子相互之间, 不在同一行,同一列,同一斜线, 共有多少种摆法? 游戏连接: http://www.4399.com/ ...
- python 版 mldivide matlab 反除(左除)《数学建模算法与程序》Python笔记
今天在阅读数学建模的时候看到了差分那章 其中有一个用matlab求线性的代码,这里我贴出来 这里我送上 Python代码 In [39]: import numpy as np ...: from s ...
- 建模算法(十)——灰色理论之关联度分析
一.数据变换技术 为了保证建模的质量和系统分析结果的准确性,对原始的数据要进行去量纲处理. 1.定义 设有序列,则成映射为序列x到序列y的数据变换. (1) f 是初值化变换. (2) f 是均值化变 ...
- 建模算法(六)——神经网络模型
(一)神经网络简介 主要是利用计算机的计算能力,对大量的样本进行拟合,最终得到一个我们想要的结果,结果通过0-1编码,这样就OK啦 (二)人工神经网络模型 一.基本单元的三个基本要素 1.一组连接(输 ...
- 建模算法(五)——图与网络
(一)图与网络的基本概念 一.无向图 含有的元素为顶点,弧和权重,但是没有方向 二.有向图 含有的元素为顶点,弧和权重,弧具有方向. 三.有限图.无限图 顶点和边有限就是有限图,否则就是无限图. 四. ...
- 建模算法(三)——非线性规划
一.非线性规划和线性规划不同之处 1.含有非线性的目标函数或者约束条件 2.如果最优解存在,线性规划只能存在可行域的边界上找到(一般还是在顶点处),而非线性规划的最优解可能存在于可行域的任意一点达到. ...
随机推荐
- eq相等 ne、neq不相等, gt大于, lt小于 gte、ge大于等于 lte、le 小于等于 not非 mod求模 等
eq相等 ne.neq不相等, gt大于, lt小于 gte.ge大于等于 lte.le 小于等于 not非 mod求模 is [not] div by是否能被某数整除 i ...
- IOS开发/iphone开发多线程
有时候可能有很多功能要同时实现,例如每隔多长时间就会检测程序网络连接,又或者有时候需要从服务器下载一个不小的文件,如果用单线程几乎是不可想的事情,程序将会卡的无法使用,用到多线程和不用多线程,给用户的 ...
- 随鼠标移动的div
<html> <head> <style type='text/css'> #d{ border:1px solid green; width:90px; heig ...
- java笔记--超级类Object多线程的应用+哲学家进餐算法内部类与多线程结合
关于Object类中的线程方法: Object类是所有Java类的 父类,在该类中定义了三个与线程操作有关的方法,使得所有的Java类在创建之后就支持多线程 这三个方法是:notify(),notif ...
- [Effective JavaScript 笔记] 第10条:避免使用with
with特性,提供的任何“便利”都更让其变得不可靠和低效率. with语句的用法,可以很方便地避免对对象的重复引用.上面的代码整理成下面的形式 function status(info){ var w ...
- Unity3D中定时器的使用
源地址:http://unity3d.9tech.cn/news/2014/0402/40149.html 在游戏设计过程中定时器是必不可少的工具,我们知道update方法是MonoBehavior中 ...
- Coursera台大机器学习课程笔记14 -- Validation
这节课是接着上节的正则化课程的,目的也是为了防止overfitting. 第一小节讲了模型的选择,前面讲了很多模型,那么如何做出正确的选择呢?我们的目标是选择最小的Eout目标函数.首先应避免视觉化选 ...
- 最近win7更新后出现第二次打开IDE(delphi2007)的时候提示无法打开"EditorLineEnds.ttr"这个文件
kb2982791 - 2014年8月12日更新 - http://support.microsoft.com/kb/2982791kb2970228 - 2014年8月12日更新 - http:// ...
- error: library dfftpack has Fortran sources but no Fortran compiler found解决方法
用pip install scipy 时提示 error: library dfftpack has Fortran sources but no Fortran compiler found 解决方 ...
- linux 使用 ionice 限制 Xen 虚拟机磁盘 IO
作为 VPS 服务商我们需要保证每个 VPS 公平的使用 host(服务器)的资源,避免某个 VPS 因为程序死循环.挂起.滥用等因素 “拖累” 其他 VPS,如果出现这个情况如何临时限制这个 VPS ...