移动最小二乘法

移动最小二乘法2.1移动最小二乘曲线拟合将拟合函数表述为如下形式：1()()()()()mTiiifxpxaxpxax,(3)其中a(x)=(a1(x),a2(x),…,am(x))T为待定系数，p(x)=(p1(x),p2(x),…,pm(x))T为基函数向量，通常需要选择完备多项式基，例如二维情况线性基p(x)=(1,x,y)T(m=3)二次基p(x)=(1,x,y,x2,xy,y2)T(m=6)为了得到较为精确的局部近似值，需使局部近似值f(xi)和节点值yi之差平方带权最小，因此残差的离散加权L2范式为：2211()[()]()[()()]nnTiiiiiiiJwxxfxywxxpxaxy,(4)其中n是求解区域内的节点数，f(x)是拟合函数，w(x－xi)是节点xi的权函数。权函数应该是非负的，且随着2ixx的增加单调递减，权函数还应该具有紧支性，即在支持域（x的影响区域）内不等于0，在支持域之外全为0，一般选用圆形作为权函数的支持域，半径记为r。常用的权函数是样条函数，记isxx，ssr，则三次样条函数形式如下：2323214432441()44133201.sssssssss(5)要求出待定系数a(x),先要使J取得最小值，先将（4）式写成矩阵形式：J=(Pa(x)－Y)TW(x)(Pa(x)－Y)其中Y=(y1,y2,…,yn)T,W(x)=diag(w1(x),w2(x),…,wn(x))，wi(x)=()iwxx.112111222212()()()()()()()()()mmnnmnpxpxpxpxpxpxPpxpxpx.根据最小二乘原理求得待定系数为：a(x)=A-1(x)B(x)Y其中A(x)=PTW(x)P,B(x)=PTW(x)。代入（3）式，得拟合函数为1()()()nkkiiifxxyxY,其中()kx为形函数，k表示基函数的阶数,112()[,,,]()()()kkkkTnxpxAxBx.2.2带插值条件的移动最小二乘曲线拟合当拟合曲线要求经过某些节点的时候，就需要将通常的移动最小二乘法增加插值条件，可利用上面带插值条件的最小二乘曲线拟合法二进行构造。假设若给出的离散点为(,)iixy，1,2,,in，插值条件为(,),1,2,,ssxyst，tn，采用一般的移动最小二乘法得到的拟合曲线为f(x)，则带插值条件的移动最小二乘拟合曲线可表示为1()()tsssyfxlx(6)其中1()(),1,2,,()tjsjsjsjxxlxstxx，δs=f(xs)－ys.该构造公式也可看成是对移动最小二乘拟合公式的修正，修正项为1()tssslx，其具体计算过程为：（一）先求出不带插值条件的移动最小二乘拟合曲线；（二）接着计算插值节点下的偏差δs=f(xs)－ys；（三）最后计算ls(x)并利用公式（6）得到插值条件下的移动最小二乘拟合曲线。我们通过实验对一般移动最小二乘和带插值条件移动最小二乘方法进行比较。给定离散数据点为x=[1,2.5,4.5,6,7,8,9,10];y=[1.5,2,2.2,3,4,5.5,6.5,7]。采用移动最小二乘方法进行拟合的时候，采用线性基p(x)=(1,x,y)T，并采用公式（5）的三次样条函数作为权函数。图5是一般移动最小二乘方法的拟合结果；图6是通过两节点(x3,y3),(x7,y7)，即(4.5,2.2),(9,6.5)的移动最小二乘拟合结果。我们也比较两种方法拟合的误差，见表1，其中x与y分别表示给定离散点的横纵坐标，y1与y2分别表示通常情况与插值条件下的移动最小二乘拟合得到的函数值，δ取的是拟合产生的离差平方和。实验和误差结果发现，本文给出的带插值条件的移动最小二乘方法整体拟合效果更好。12345678910123456781234567891012345678图5通常情况下移动最小二乘拟合图6插值条件下移动最小二乘拟合表1拟合误差分析表xyy1y211.51.50001.29792.521.92381.83394.52.22.36362.2000633.20273.1353744.17324.177985.55.30155.457696.56.31016.50001077.05387.1980δ0.18200.1594