⑴ 擬合圓有沒有比較精確的演算法
有一個思路供參考.
設樣本點(Xi, Yi)位於自變數為(x, y)的圓上, 圓方程為:
(x-x0)^2 + (y-y0)^2 = r^2
換一種思路, 上述方程可以看成關於(x0, y0, r)的方程, 以(x,y)為參量, 對應一個3維曲面.
這樣, 任意一個樣本點都對應一個3維曲面.
首先, 粗略限定(x0, y0, r)的范圍.
然後, 確定步長. 將x0, y0離散化. 這樣, 一個(Xi, Yi), 能得到3個矩陣(分別與x0, y0, r對應)
然後, 對於全部的3維曲面, 搜索密度最大的區域.
對於區域內部的點, 分別對x0, y0, r計算平均值. 就是待求的圓心坐標(x0, y0)和半徑r
⑵ 請問一下，最小二乘法做數據擬合的時候，這個擬合演算法有時間復雜度嗎具體如何計算
復雜度：O(K^3+mK^2)
⑶ 擬合直線演算法
你沒有給數據啊。
輸入x和y，然後選擇上交所擬合類型1線性2二次
然後方誤差由下式給出
⑷ 求助一非線性擬合的演算法
嘗試使用origin擬合，但並不會把X誤差也涵蓋進去的擬合方式。
所以特來求一個擬合的軟體或者演算法，自己用python編程時候表示完全不知應該用什麼演算法來處理最小二乘法。。。
:rol::rol:涉及到本科畢業論文，所以比較急，還請各位幫忙一把,您給的演算法或者軟體我需要在一周的時間里能學會:work:。。。
謝謝了:arm:
061222A.txt是示例
⑸ 擬合貝塞爾曲線演算法 （50分）
這里有篇文章是演算法的C實現
http://hi..com/roooy/blog/item/5336d7dee09f9e50ccbf1a01.html
⑹ 數據擬合演算法
解：設一共有n個方程，第i個方程形如aiX1+biX2=ci，其中ai,bi,ci是已知數
設di(x1,x2)=(ci-aix1-bix2)(ci-aix1-bix2)
設D= d1+d2+...dn
原問題就是求D的極小值，分別求D關於x1和x2的偏導數，得
Dx1=2a1(a1x1+b1x2-c1)+2a2(a2x1+b2x2-c2)+...2an(anx1+bnx2-cn)
Dx2=2b1(a1x1+b1x2-c1)+2b2(a2x1+b2x2-c2)+...2bn(anx1+bnx2-cn)
極小值處偏導數等於0，所以令Dx1=0,Dx2=0建立方程組，解得
x1=(F*B-G*E)/(A*B-E*E）
x2=(G*A-F*E)/(A*B-E*E)
其中F=a1c1+a2c2+...+ancn
G=b1c1+b2c2+...+bncn
E=a1b1+a2b2+...+anbn
A=a1a1+a2a2+...+anan
B=b1b1+b2b2+...+bnbn
具體數據這里就不算了，用excel把公式打進去就可以算，另外excel本身就帶擬合功能
⑺ 曲線擬合演算法的意義和價值
就是預測。對於數目較大的、自然發展的、沒有劇烈變動的事物進行預測，把握事物發展方向。
比如說10年之後，中國人口有多少億，就需要擬合。
比如有一個多項式函數【函數就是一條曲線】s=f（t）；
t= 1 , 2 , 3 , 4 , 5 ，7 ，9
s=2.01 ,5.97,12.02,19.99,30.01 ，？ ，90.03
估計t=7 時 s=？；
呵呵，碰到這一類問題，似乎數據之間沒有任何規律，所以無從下手。怎麼辦呢？
咱們就「無中生有」，弄出來一個函數表達式s=f（t），就能解決問題。
對於數據進行曲線擬合得到s=n*（n+1），這樣t=7時，s=56.00。擬合的意義就在於此。
⑻ Logistic四參數擬合演算法
用origin自帶函數直接擬合。
Analysis-fitting-nonlinear curve fit-open dialogue-category【growth/sigmoidal】 選logistic擬合，裡面有logistic方程的幾種形式根據需要選擇