本文实例讲述了Java实现的n阶曲线拟合功能。分享给大家供大家参考,具体如下:
前面一篇文章Java实现求解一元n次多项式的方法,能解多项式以后,还需要利用那个类,根据若干采样点数据来对未来数据进行预测,拟合的矩阵在上一篇文章中已经贴出来了,这里就不说了,本篇主要是如何根据采样点来计算系数矩阵,并计算预测点的值。
原理很简单,公式在上一篇文章中也有了,此处直接贴代码。
其中用到了上一篇文章中写的类commonAlgorithm.PolynomiaSoluter
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
|
package commonAlgorithm; import commonAlgorithm.PolynomialSoluter; import java.lang.Math; public class LeastSquare { private double [][] matrixA; private double [] arrayB; private double [] factors; private int order; public LeastSquare() { } /* * 实例化后,计算前,先要输入参数并生成公式 arrayX为采样点的x轴坐标,按照采样顺序排列 * arrayY为采样点的y轴坐标,按照采样顺序与x一一对应排列 order * 为进行拟合的阶数。用低阶来拟合高阶曲线时可能会不准确,但阶数过高会导致计算缓慢 */ public boolean generateFormula( double [] arrayX, double [] arrayY, int order) { if (arrayX.length != arrayY.length) return false ; this .order = order; int len = arrayX.length; // 拟合运算中的x矩阵和y矩阵 matrixA = new double [order + 1 ][order + 1 ]; arrayB = new double [order + 1 ]; // 生成y矩阵以及x矩阵中幂<=order的部分 for ( int i = 0 ; i < order + 1 ; i++) { double sumX = 0 ; for ( int j = 0 ; j < len; j++) { double tmp = Math.pow(arrayX[j], i); sumX += tmp; arrayB[i] += tmp * arrayY[j]; } for ( int j = 0 ; j <= i; j++) matrixA[j][i - j] = sumX; } // 生成x矩阵中幂>order的部分 for ( int i = order + 1 ; i <= order * 2 ; i++) { double sumX = 0 ; for ( int j = 0 ; j < len; j++) sumX += Math.pow(arrayX[j], i); for ( int j = i - order; j < order + 1 ; j++) { matrixA[i - j][j] = sumX; } } // 实例化PolynomiaSoluter并解方程组,得到各阶的系数序列factors PolynomialSoluter soluter = new PolynomialSoluter(); factors = soluter.getResult(matrixA, arrayB); if (factors == null ) return false ; else return true ; } // 根据输入坐标,以及系数序列factors计算指定坐标的结果 public double calculate( double x) { double result = factors[ 0 ]; for ( int i = 1 ; i <= order; i++) result += factors[i] * Math.pow(x, i); return result; } } |
希望本文所述对大家java程序设计有所帮助。
原文链接:http://blog.csdn.net/strangerzz/article/details/45250063