當我們遇到高維的數據，二維或者三維的數據時，由于數據的不完整，需要預測一些數值，一般我們的方法是用曲面重構，

曲面重構可分為：1、插值2、逼近

曲面插值我們一般使用 徑向基插值的方法：

RBF (Radial Basis Function)可以看作是一個高維空間中的曲面擬合(逼近)問題，學習是為了在多維空間中尋找一個能夠最佳匹配訓練數據的曲面，然后來一批新的數據，用剛才訓練的那個曲面來處理。

RBF 方是一系列精確插值方法的組合；即表面必須通過每一個測得的采樣值。有以下五種基函數：

1、Gaussian ?高斯曲面函數

2、Multiquadrics：多項式函數

3、linear:線性函數

4、cubic:立方體曲面函數

5、Multiquadrics：薄板曲面函數

徑向基函數的插值函數表達式：

現在我們的目的是根據已知的N個數據，求出函數f(x)的系數 ?。。。。。。。。C0, C1 and λi。。。。。。。。。。

其中xi是已知的數據點集，

而我們這里得到這些未知參數的方法主要是：最小二乘法。。。。或者SVD

假設我們有N組數據集，以及對應的函數f(xi)的值，

這樣由N組數據我們可以一個矩陣：A *B=Y?

其中A是未知參數矩陣，B是數據集得到的值，Y是數據集對應的輸出值，

我們可以用最小二乘法得到參數A的值。。

代碼下載地址：

點擊打開鏈接

總結

以上是生活随笔為你收集整理的径向基函数插值（1）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。