径向基函数插值逼近的误差分析

函数逼近是数学规划中一个基本的问题,近年来,国内外的一些学者对径向基函数插值逼近问题进行了广泛的研究,对于某些测试函数来说,径向基插值相对于经典的插值方法,如牛顿插值、拉格朗日插值来说,在CPU时间、逼近程度等方面有着一定的优势,因此径向基函数插值成为解决散乱数据插值的一种新的有效的方法.将采用几种常见的径向基函数来逼近一元函数、二元函数,进行数值试验以及误差分析,并对径向基函数中的参数进行分析,获得了良好的误差分析结果.     

基于有理分式插值的散乱数据图像重建方法

插值方法及插值基函数的选择是可视化技术的一个关键问题。首先根据平面域上分布的散乱灰度图像数据点集，划分出突变的数据区域和平坦的数据区域，然后基于相邻数据的性和图像边缘的非连续性，利用Thiele连分式和Newton多项式建立有理插值函数和代数插值函数，提出了一种新的散乱点插值和图像重建方法，并通过实验证明，该方法能应用于不规则分布数据图像的重建。     

基于径向基函数的3D散乱数据插值多尺度方法

提出一种新的用径向基函数插值3D散乱数据的多尺度方法. 对于给定分布在曲面上的散乱数据点, 首先通过空间划分形成一个粗糙到完美的分层点集; 对于给定的控制误差, 先在粗糙层对点集进行插值, 再对每个分层上的点集进行插值,  将其作为对前一层得到的插值函数的弥补. 数值试验结果表明, 该方法可以利用较少的采样点达到较高的逼近精度, 并且算法比较容易实现.     

关于MQ函数拟插值的研究

径向基函数是处理多元问题的一种有效方法.Multi-Quadric函数是径向基函数的一种,通常简记为MQ函数.对Multi-Quadric函数拟插值在数值积分与微分中的应用进行实例研究.     

一种针对线性数据的高精度拟插值算子

插值具有很高的逼近阶但是需求解线性方程组.拟插值精度较低,但不需求解线性方程组就能直接得到逼近函数.基于径向基Multiquadric(MQ)函数和Inverse multiquadric(IMQ)函数,构造新的高精度拟插值算子L*f(x),并且证明该算子的精度和线性多项式再生性.并且通过数值算例验证该算子具有良好的逼近精度.     

用径向基函数隐式拟合点云数据

提出一种新方法拟合散乱点云数据.拟合曲面由一个三变量模型的零水平集定义,该三变量模型是基于径向基函数散乱数据的一个隐式最小二乘拟合.数值实验结果表明,新方法比基于径向基函数的插值曲面方法快,并且容易实现.     

Multi-Quadric函数与Gauss函数的插值比较

径向基函数在散乱数据插值中有着广泛应用.本文对Multi-Quadric函数与常用的Gauss函数列举多个实例,使用Mathematica编程计算,对其参数进行分析与比较,获得效果较好的误差图.     

基于Bezier曲面的大规模散乱数据的插值

对于大规模散乱数据而言，传统的散乱数据的插值方法由于要通过求解联立方程组来得到插值曲面，因此无法适应大规模散乱数据的逼近．本文提出的基于Bezier曲面的大规模散乱数据的插值方法，是一种通过自适应的迭代方法，对大规模的采样点进行Bezier曲面插值的方法，有助于提高计算的速度和精度．     

径向基函数神经网络在散乱数据插值中的应用,

针对径向基函数（RBF）神经网络的特点,结合网络设计工作,对计算机辅助几何设计（简称CAGD）中的散乱数据插值和曲面上离散点集的光滑插值问题,采用RBF神经网络进行求解,从应用结果来看,RBF网络适合于解决曲面离散点集的光滑插值问题,比传统的样条方法更有效,更方便,具有较好的使用价值,并且可以很容易地推广到求解高维散乱数据插值问题之中。     

基于Bézier曲面的大规模散乱数据的插值

对于大规模散乱数据而言,传统的散乱数据的插值方法由于要通过求解联立方程组来得到插值曲面,因此无法适应大规模散乱数据的逼近.本文提出的基于Bézier曲面的大规模散乱数据的插值方法,是一种通过自适应的迭代方法,对大规模的采样点进行Bézier曲面插值的方法,有助于提高计算的速度和精度.     

福州市城区PM_(10)浓度空间插值方法对比研究

基于福州市城区空气自动监测站点的PM_(10)浓度数据,通过对其分布特征进行探究,采用反距离权重插值法、径向基函数法和普通克里金插值法等进行空间插值,利用交叉验证对插值结果进行误差分析。结果显示,普通克里金法的空间插值效果最为理想,其次是径向基函数法,反距离权重插值法则最差。PM_(10)的季节性分布特征对空间插值结果有显著影响,三种方法夏季插值结果均明显优于其他季节,夏季径向基函数法插值结果只略逊于普通克里金法,此时可选择径向基函数法插值。三种插值方法的PM_(10)浓度空间分布趋势是一致的。     

基于B样条构造高精度拟插值

给出了在非均匀节点情形下用任意k阶B样条作为基函数构造具有高次局部多项式再生性质拟插值的一种方法,并用此方法构造出在无限区间R上具有k-1次多项式再生和k阶收敛阶性质的高精度拟插值(㏑f)(x).进一步地,利用B样条的相关性质由(㏑f)(x)构造出有限区间[a,b]上的高精度拟插值(㏑f)(x).作为数值例子,最后用4阶B样条构造的高精度拟插值(㏑f)(x)逼近一些典型函数以说明其确实具有高精度逼近性质.     

基于Pade逼近的广义Lagrange混合有理插值

Lagrange插值建立在Lagrange插值基函数的基础之上,是一种便于理论分析的多项式插值。将传统的Lagrange插值方法和Pade逼近相结合,构造一种新的混合有理插值。对于每个插值节点处给定的形式幂级数,先在每个插值节点处求得其Pade逼近,然后用Lagrange插值基函数对它们进行加权组合,从而得到一种新的混合有理插值——广义Lagrange混合有理插值。新的混合有理插值方法通过选择每个插值节点处的Pade逼近,可以获得不同的混合有理插值,且包含传统的Lagrange插值作为特例。为了得到更精确的插值,进一步研究了基于Pade型逼近和基于扰动Pade逼近的混合有理插值。给出的数值例子表明了新方法的有效性。     

山东省多年气象要素空间插值方法比较研究

针对山东省境内气象站点分布比较稀疏的情况,以1990～2001年山东省17个气象站点的年平均降水和温度为基础数据,分别建立了平均降水和温度与海拔、经纬度和植被指数(NDVI)之间的回归方程;在此基础上建立模拟站点以增加气象数据的信息量。分别采用反距离加权法(IDW)、径向基函数法(RBF)和普通克里格法(OK)3种插值方法进行比较插值分析。结果表明:模拟站点的加入大大提高了插值的精度;采用的3种插值方法中,普通克里格法比反距离加权法和径向基函数法具有更为理想的插值效果。     

求解一维变系数椭圆型方程边值问题的RBF-FD格式

利用径向基插值函数的Lagrange形式,给出在三等距节点的中心节点处逼近被插函数的有限差分公式及最佳参数值,然后针对一维变系数椭圆型方程建立一种具有四阶精度的RBF-FD差分格式.数值结果表明此差分格式明显优于二阶中心差分格式.     

关于径向基函数插值方法及其应用

用径向基函数插值方法及求解偏微分方程的方法,选取Multi-Quadric方法为径向基插值函数,逆Multi-Quadric方法对偏微分方程进行数值计算,并与其他方法进行比较,突出径向基函数求解偏微分方程的方法的优点,提出一些需要进一步研究的问题。     

一维三次单位分解有限元插值的最优误差估计

推导了一维三次单位分解有限元插值的最优阶误差。用标准的分片线性有限元基函数作单位分解,根据相容性和局部逼近性构造了一个特殊的局部多项式逼近空间,从而得到了具有3阶再生性的单位分解有限元插值格式;再应用Taylor展开及平均多项式插值理论推导插值误差估计。结果表明,误差估计阶比局部逼近阶要高,因而是最优的。     

SN型多元混合切触有理插值

提出了一类定义在矩形网格上的二阶多元混合切触有理插值格式,记作SNm,n(x,y).新的插值格式由Salzer型插值连分式和扩展的Newton插值多项式综合构造而成.数值例子显示相对于多项式插值格式,利用混合切触有理插值格式SNm,n(x,y)可以得到较小的逼近误差,特别地,对于存在渐近线的被插函数,实例表明新方法比传统的多项式方法具有更好的逼近效果.     

Taylor展开随机径向基点插值无网格法在随机非稳态热传导中的应用

用Taylor展开随机径向基点插值无网格法(TSRPIM)对随机温度场进行了分析.径向基点插值是一种新型的无网格法,采用耦合径向基函数和多项式基函数构造近似函数,有效地解决了点插值中系数矩阵奇异性问题,而且由于插值具有Delta函数性质,可以直接施加本质边界条件.同时利用Taylor展开法,建立了随机结构分析的Taylor展开随机径向基点插值无网格法(TSRPIM).数值实例表明在随机温度场分析方面随机无网格法具有明显的优势.     

一类广义Birkhoff插值问题的适定插值基

Birkhoff插值在应用密码学,逼近论以及PDE求解等领域有着重要应用。由于微商插值条件的不连续性,使得该问题比Lagrange和Hermite插值要复杂的多。提出了基于多项式微分条件的广义Birkhoff插值格式。探究广义Birkhoff插值问题的适定插值基,使得对任意给定的型值,在该组基张成的空间中插值时总存在唯一满足插值条件的多项式。采用代数几何的方法,通过对多样性的插值条件分析,证明了当定义插值格式的关联矩阵满足较好的性质时,适定的插值基无需繁琐的计算,可以由微分插值条件直接获得。最后通过算例验证了该方法的有效性。