基于移动最小二乘法的曲线曲面拟合(python语言实现) | 您所在的位置:网站首页 › 单反可以借吗 › 基于移动最小二乘法的曲线曲面拟合(python语言实现) |
1.移动最小二乘法 上篇论文采用最小二乘法来拟合曲线,如果离散数据量比较大,形状复杂,还需要分段拟合和平滑化,因此采用移动最小二乘法进行曲线拟合,可以克服上面的缺点,还具有一些优点; 移动最小二乘法与传统的最小二乘法相比,有两个比较大的改进: ( 1)拟合函数的建立不同。这种方法建立拟合函数不是采用传统的多项式或其它函数,而是由一个系数向量 a(x)和基函数 p(x)构成, 这里 a(x)不是常数,而是坐标 x 的函数。 ( 2)引入紧支( Compact Support)概念,认为点 x 处的值 y 只受 x 附近子域内节点影响,这个子域称作点 x 的影响区域, 影响区域外的节点对 x的取值没有影响。在影响区域上定义一个权函数w(x), 如果权函数在整个区域取为常数, 就得到传统的最小二乘法。 参考自《基于移动最小二乘法的曲线曲面拟合-曾清红》 2.拟合函数的建立 在拟合区域的一个局部子域上, 拟合函数 f (x)表示为: 二维问题可以为: 线性基 p(x)=[1.x.y]T[1.x.y]T, m=3 二次基 p(x) =[1,x,y,x2,xy,y2]T[1,x,y,x2,xy,y2]T m=6 这是为在阅读文献时的疑惑,因为我解决的是一维问题,所以不需要二维的基函数。
在移动最小二乘近似中, 系数 ai(x)ai(x) 是通过令近似函数 u(x) 在点 x 的邻域 内各节点误差的加权平方和为最小来确定的 这里对支撑域进行说明:
如图: 3.权函数 权函数在移动最小二乘法中起着非常重要的作用。移动最小二乘法中的权函数 w(x−xI)w(x−xI)应该具有紧支性,也就是权函数在 x
的一个子域内不等于零, 在这个子域之外全为零, 这个子域称为权函数的支持域(即 x 的影响区域)。一般选择圆形作为权函数的支持域(见图其半径记为 smaxsmax。 由于权函数的紧支性,只有这些包含在影响区域内的数据点对点 x 的取值有影响权函数 w(x−xI)w(x−xI)应该是非负的,并且随着||x−xi||2||x−xi||2 的增加单调递减。权函数还应具有一定的光滑性,因为拟合函数会继承权函数的连续性:如果权函数w(x−xI)w(x−xI)是 C1 阶连续的,则拟合函数也是 C1 阶连续的。常用的权函数是样条函数 3 法方程的推导 对于任意函数 h(x) 和 g(x), 引入记号:
|
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |