我正在使用模型来将复杂叶形图案拟合到数据。数据只是(半)叶扫描的轮廓坐标,它可以查看从正常函数到复杂形状的任何内容,对于相同X(例如,考虑枫叶的一侧)具有多个Y坐标。R:将轮廓/复杂形状拟合到模型(多个Y,单个X)
但是,该模型不提供函数,而是根据一组特定的规则生成坐标序列。这些坐标不是数据的两两近似值(即从模型计算出的点与数据的间隔不相同,请参见下图) 练习的要点是如果要找到最小化的函数(就像您使用简单形状的残差平方和),以便我的模型的参数可以被优化以尽可能准确地描述形状。
实施例1:一个简单的形状,对于单X.在图像下面所示单个Y:
中的黑点是数据点,而红色的是模型生成点的最佳拟合。正如你所看到的,这两个数据集没有相等的间隔,所以我使用一种插值方法来计算一组控制点上的模型的RSS(例如,为轴上许多点插入两个数据集)。这为我提供了最佳配合,所以在这里没有问题。
示例2:复杂形状,多个y,单个x。该模型生成的形状的可能性如下:
假设我有一个描述形状的数据集,则此模型生成近似。我怎样才能确定模型适合我的轮廓?
尝试将问题缩小到特定的编程问题。正如问题所展示的那样,这个问题非常广泛而且非特定。 – 2015-02-06 10:01:35
我根据您的要求添加了一些示例 – 2015-02-06 10:50:18