插值与拟合

数值计算方法插值与拟合

数值计算方法在科学计算和工程应用中起着重要的作用，其中插值和拟合是其中两个常用的技术。插值是指通过已知的离散数据点来构造出连续函数或曲线的过程，拟合则是找到逼近已知数据的函数或曲线。本文将介绍插值和拟合的基本概念和常见的方法。

一、插值和拟合的基本概念

插值和拟合都是通过已知数据点来近似表达未知数据的方法，主要区别在于插值要求通过已知数据点的函数必须经过这些数据点，而拟合则只要求逼近这些数据点。插值更加精确，但是可能会导致过度拟合；拟合则更加灵活，能够通过调整参数来平衡拟合精度和模型复杂度。

二、插值方法

1. 线性插值

线性插值是一种简单的插值方法，通过已知数据点构造出线段，然后根据插值点在线段上进行线性插值得到插值结果。

2. 拉格朗日插值

拉格朗日插值是一种基于多项式插值的方法，通过已知数据点构造出一个多项式，并根据插值点求解插值多项式来得到插值结果。

3. 分段线性插值 分段线性插值是一种更加灵活的插值方法，通过将插值区间分成若干小段，然后在每个小段上进行线性插值。

三、拟合方法

1. 最小二乘法拟合

最小二乘法是一种常用的拟合方法，通过最小化实际观测点和拟合函数之间的残差平方和来确定拟合函数的参数。

2. 多项式拟合

多项式拟合是一种基于多项式函数的拟合方法，通过选择合适的多项式次数来逼近已知数据点。

3. 曲线拟合

曲线拟合是一种更加灵活的方法，通过选择合适的曲线函数来逼近已知数据点，常见的曲线包括指数曲线、对数曲线和正弦曲线等。

四、插值与拟合的应用场景

插值和拟合在实际应用中具有广泛的应用场景，比如图像处理中的图像重建、信号处理中的滤波器设计、金融中的风险评估等。

五、插值与拟合的性能评价

插值和拟合的性能可以通过多种指标进行评价，常见的评价指标包括均方根误差、相关系数和拟合优度等。

六、总结 插值和拟合是数值计算方法中常用的技术，通过已知数据点来近似表达未知数据。插值通过已知数据点构造出连续函数或曲线，拟合则找到逼近已知数据的函数或曲线。常见的插值方法包括线性插值、拉格朗日插值和分段线性插值，而拟合常用的方法包括最小二乘法拟合、多项式拟合和曲线拟合。插值和拟合在各个领域中都有广泛的应用，并且可以通过多种指标进行性能评价。

3.3 插值与拟合的MATLAB实现

简单的插值与拟合可以通过手工计算得出，但复杂的只能求助于计算机了。

3.3.1 线性插值

在MATLAB 中，一维的线性插值可以用函数interpl 来实现。函数interpl 的调用格式如下：

yi = interpl ( x , y , xi ) ，其中yi 表示在插值向量xi 处的函数值，x 与y 是数据点。这个函数还有如下两种形式：

yi = interpl(y , xi)，省略x，x 此时为l : N，其中N 为向量y 的长度。

yi = interpl(x , y , xi , method ) ，其中method 为指定的插值方法，可取以下凡种：

nearest ：最近插值。

linear ：线性插值。

spline ：三次样条插值。

cubic ：三次插值。

注意：对于上述的所有的调用格式，都要求向量x 为单调。

例如：对以下数据点：( 2 * pi , 2 ) , ( 4 * pi , 3 ) , ( 6 * pi , 5 ) , ( 8 * pi , 7 ) , ( 10

* pi , 11 ) , ( 12 * pi , 13 ) , ( 14 * pi , 17) 进行插值，求x = pi , 6 的函数值。

>> x=linspace(0, 2 * pi, 8 ）;

>> y=[2, 3, 5, 7, 11, 13, 17, 19 ］;

>> xl=[pi , 6 ］;

>> yl=interpl(x, y, xl)

yl =

90000 183690

3.3.2 Lagrange 插值

Lagrange 插值比较常用，是MATLAB 中相应的函数，但根据Lagrange 插值函数公式，可以用M 文件实现：

Lagrange.m

functions = Larange(x, y, x0 )

% Lagrange 插值，x 与y 为已知的插值点及其函数值，x0 为需要求的插值点的值

什么叫拟合？什么叫插值？二者的区别是什么？

插值和拟合都是函数逼近或者数值逼近的重要组成部分

他们的共同点都是通过已知一些离散点集M上的约束，求取一个定义

在连续集合S(M包含于S)的未知连续函数，从而达到获取整体规律的 目的，即通过"窥几斑"来达到"知全豹"。

简单的讲，所谓拟合是指已知某函数的若干离散函数值{f1,f2,…,fn}，通

过调整该函数中若干待定系数f(λ1, λ2,…,λ3), 使得该函数与已知点集的

差别(最小二乘意义)最小。如果待定函数是线性，就叫线性拟合或者 线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归。表

达式也可以是分段函数，这种情况下叫作样条拟合。

而插值是指已知某函数的在若干离散点上的函数值或者导数信息，通

过求解该函数中待定形式的插值函数以及待定系数，使得该函数在给 定离散点上满足约束。插值函数又叫作基函数，如果该基函数定义在

整个定义域上，叫作全域基，否则叫作分域基。如果约束条件中只有

函数值的约束，叫作Lagrange插值，否则叫作Hermite插值。

从几何意义上将，拟合是给定了空间中的一些点，找到一个已知形式 未知参数的连续曲面来最大限度地逼近这些点；而插值是找到一个(

或几个分片光滑的)连续曲面来穿过这些点。

具体插值拟合的计算参考下面回复：

1)Matlab中如何作线性拟合/线性回归/多元线性回归？

:#FangQ(Qianqian.Fang@),2002/6/21, BigGreen/MathTools #

即用y=a*x+b来拟合一组数据{{x1,y1},{x2,y2}…{xn,yn}}

matlab中使用polyfit x=data(:,1);

y=data(:,2);

p=polyfit(x,y,1);

p(1)为斜率a，p(2)为截距b

多元线性回归即用y=a1*x1+a2*x2+..+am*xm来拟合数据点{x1i,x2i,…xmi,yi}

多项式的拟合

多项式的拟合（Polynomial Fitting）又称为曲线拟

合(Curve Fitting)，其目的就是在众多的样本点中

进行拟合，找出满足样本点分布的多项式。所用指令为polyfit，指令格式为：p=polyfit (x,y,n),其中

x与y为样本点向量，n为所求多项式的阶数，p为

求出的多项式。

多项式的插值

(1）一维插值interp1(x,y,x0, ‘method’) ，其中x , y

分别表示为数据点的横、纵坐标向量，x0为需要插

值的横坐标数据（或数组）。而method为可选参数，

对应于四种方法，可从以下四个值中任选一个：

‘nearest’---------最近邻点插值

‘linear’-----------线性插值

‘spline’----------三次样条插值

‘cubic’-----------立方插值

其中‘nearest’是缺省值。

（2）二维插值interp2(x,y,z,xi,yi, ‘method’),其中x和

y是自变量。X是m维向量，指明所给数据网格点的

横坐标，y是n维向量，指明所给数据网格点的纵坐

标，z是mxn维矩阵，标明相应于所给数据网格点的

函数值。向量xi，yi是给定的网格点的横坐标和纵坐

标，指明函数zi=interp2(x,y,z,xi,yi, ‘method’)返回在

网格(xi,yi)处的函数值。method为可选参数，选取方

法同一维。

注意：向量x，y的分量值必须是单调递增的。Xi

和yi应是方向不同的向量。即一个是行向量，另一

个是列向量。

船在该海域会搁浅吗？

在某海域测得一些点),(yx处的水深z（单位：英尺）

由下表给出，水深数据是在低潮时测得的。船的吃水

深度为5英尺，问在矩形)150,50()200,75(里的

哪些地方船要避免进入。

水道水深测量数据（单位：英尺）

x129.0140.0103.588.0185.5195.0105.5

Y7.5141.523.0147.022.5137.585.5