christine 2011-2-23 15:28:52
一般论文第一部分是这个题目的应用背景,你得上网找找看,就是有什么实际应用,就是
些套话。
christine 2011-2-23 15:29:19
第二部分就是那几个常用的非 ()
均方误差为
一般最小二乘拟合
多项式拟合形式比较规范,方法也比较简单,但在实际应用中,针对所讨论
问题的特点,拟合函数可能为其他类型,如指数函数、有理函数、三角函数等,
这就是一般最小二乘拟合问题。
一、线性最小二乘拟合 (x), (x),, (x)
设 0 1 n 为 n+1 个线性无关(与向量的线性无关定义类似)的连续
(x), (x), (x)
函数, 为 0 1 n 所张成的 n+1 维线性空间,即由其 所有线性组
n
合 a (x),a R(k 0,1,,n) 构成的集 合,记作
k k k
k 0
span (x), (x),, (x)
0 1 n
n
任取 p(x) ,则 p(x) a (x) ,它是关于 a ,a ,,a 的线性函数。
k k 0 1 n
k 0
(x , y )(i 0,1,,m) p(x)
对已知数据点 i i ,在 中求一 ,使得
m m n 2
I p(x ) y 2 a (x ) y min
i i k k i i (1)
i0 i0 k0
这就是一般线性最小二乘拟合问题。
同多项式拟合完全类似,上述问题归结为多元函数的极值问题。由多元函数求
极值的必要条件,可得
I m n
2(a (x ) y ) (x ) 0, j 0,1,n
a k k i i j i
j i0 k0
即
数值分析 来自淘豆网www.taodocs.com转载请标明出处.