一、直觀理解
核心思想:採樣n個點,依據這n個點獲得近似函數以逼近原函數,且所獲得的近似函數在此n個點上的值必須等於原函數,此爲插值。
- 樣本點自變量記爲:(n爲向量)
- 樣本點數值記爲:(標量)
- 尋找得到的插值函數的表達式爲下式:
其中表示徑向基函數(Radial Basis Functions, 即:RBF),之所以叫徑向基函數,是因爲他表示其值只與自變量的距離有關,而與其餘因素無關,即:兩點之間自變量的距離越遠,徑向基函數的數值越小;而越近,則徑向基函數的數值就越大。徑向基的函數形式可以有很多種,最常用的是高斯基函數(Gaussian)
距離r越大,基函數數值越小,以高斯基函數爲例可以畫出如下草圖:
因此,基函數插值的函數表達式可以看成以爲中心的多個基函數之和。我們若仍以高斯基函數爲例,可作出如下示意圖:
因此,可以看出,基於徑向基函數的插值函數就是基函數的線性組合而已,而上圖即爲徑向基函數線性組合的直觀理解。
二、推導與公式
爲了實現徑向基函數的插值工作,就需要求解插值係數,而求解的方法很簡單,就需要把都帶入進去,求解即可。後文截圖展現了將N個採樣點,帶入回插值函數中,得到n個公式,如下圖式子(8.4)所示:
上式中的符號與博客開篇所提的符號有出處,具體地:
(1)係數 就是圖片中的 ,;
(2)樣本點的個數爲P個;
(3)樣本點數數值 即爲上圖中的;