pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
44 Kapitel 2. Univariate Splines<br />
t ∗ t 1 t 2 t 3<br />
innere Optimalstelle lokales Minimum Sattelpunkt lokales Minimum<br />
τ5 835.9670 803.5453 796.9648 836.2518<br />
τ6 876.4016 866.2870 852.4528 878.7197<br />
τ7 898.1462 866.3510 885.2259 890.6851<br />
τ8 916.3146 901.2944 885.9946 905.0262<br />
τ9 973.9075 905.5165 910.5168 905.0902<br />
F 8.752539 E-02 2.440692 E-01 2.493385 E-01 2.510164 E-01<br />
Tabelle 2.2: Titanium Heat Data: Stationäre Punkte<br />
2.2 zeigen die Splines zu der Startknotenfolge t2 und zur optimalen Knotenfolge t ∗2 .<br />
2.2<br />
2<br />
1.8<br />
1.6<br />
1.4<br />
1.2<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
600 650 700 750 800 850 900 950 1000 1050<br />
Abbildung 2.1: Titanium Heat Data: Startknotenfolge t2<br />
Die Lage der Daten läßt bereits vermuten, daß eine äquidistante Knotenverteilung in<br />
diesem Beispiel eine schlechte Approximation liefert. Dies wird durch die numerischen Tests<br />
bestätigt. MATLAB liefert eine Lösung, welche jedoch weit entfernt von einem der stationären<br />
Punkte dieses Problems ist. Auch das Golub/Pereyra-Modell bricht in diesem Beispiel<br />
wegen zu kleiner Schritte ab. Einzig das Kaufman-Modell liefert eine Lösung, welche sich<br />
in der Nähe des lokalen Minimums t 1 befindet.<br />
2.6.2 Ein Algorithmus zur Datenreduktion<br />
Ein Motiv für die Entwicklung des vorgestellten Algorithmus war eine optimale Plazierung<br />
der Knoten, um gegebene Daten mit möglichst wenig B-Splines zu approximieren und eine<br />
2 Die Splineknoten τj werden in den folgenden Abbildungen durch ein Kreuz ×, die Meßdaten (xi, yi)<br />
durch einen kleinen Kreis ◦ dargestellt.