牛顿插值法

 牛顿插值法
上半年学的数值逼近,其中的很大一部分是关于插值计算的。插值其实是总容易用计算机来实现的。
下面的为牛顿插值法c情况下的实现。
引用内容 引用内容


/****************************************************** 
* 用牛顿插值法依据N个已知数据点即使函数值 
* 输入: n--已知数据点的个数N-1 
*       x--已知数据点第一坐标的N维列向量 
* y--已知数据点第二坐标的N维列向量 
* xx-插值点第一坐标 
* 输出: 函数返回值所求插值点的第二坐标 
*****************************************************
*/
 
double newton(int n,double x[N],double y[N],double xx) 

    double d[N],b; 
    int i,j; 

    for(i=0;i<=n;i++
    d
=y; 
for(i=n-1;i>=0;i--/*求差商*/ 
for(j=i+1;j<=n;j++

if(fabs(x-x[j])<EPS) 
return 0
d[j]
=(d[j-1]-d[j])/(x-x[j]); 
}
 
b
=d[n]; 
for(i=n-1;i>=0;i--
b
=d+(xx-x)*b; 
return b; 
}
 


#include 
<iostream>
#include 
<string>
#include 
<vector>
#include 
<iomanip>
using namespace std;

const int n=6;          //设置初值的个数
//////////////////////////////////////////////////////////////////
//
//input_data():输入相关的数据
//
//////////////////////////////////////////////////////////////////
void input_data(float x[n],float y[n][n])
{
 cout
<<"输入插值点x[0,1,…,"<<n-1<<"]的值:";   //输入插值点
 for(int i=0;i<n;i++)
  cin
>>x[i];
 cout
<<"输入插值点的函数值:";                //输入插值点的函数值
 cout<<endl;
 
for(i=0;i<n;i++)
 
{
  cout
<<"f("<<x[i]<<")=";
  cin
>>y[i][0];  
 }

 
for(i=0;i<n;i++)                      //初始化y矩阵的其它数据
  for(int j=1;j<n;j++)
   y[i][j]
=0;
}

//////////////////////////////////////////////////////////////////
//
//output_data():输出相关的数据
//
//////////////////////////////////////////////////////////////////
void output_data(float x[n],float y[n][n])

 cout
<<"x[k]  f(x[k])    ";
 
for(int i=1;i<n;i++)
 
{
  cout
<<i<<"阶      ";
 }

 cout
<<" ";
 
for(i=0;i<n;i++)
 
{
  cout
<<x[i]<<"  ";
  
for(int j=0;j<n;j++)
   cout
<<y[i][j]<<"  ";
  cout
<<" ";
 }

 cout
<<" ";
}

//////////////////////////////////////////////////////////////////
//
//calculate_data():求各阶均差
//
//////////////////////////////////////////////////////////////////
void calculate_data(float x[n],float y[n][n])
{
 
for(int j=1;j<n;j++)
  
for(int i=j;i<n;i++)
  
{
   y[i][j]
=(y[i][j-1]-y[i-1][j-1])/(x[i]-x[i-j]);
  }

}

//////////////////////////////////////////////////////////////////
//
//calculate_fx():用插值法计算f(x)的函数值
//
//////////////////////////////////////////////////////////////////
void calculate_fx(float x[n],float y[n][n])
{
 cout
<<"输入计值点的x值:";
 
float x_num,fx=y[0][0],mid;
 cin
>>x_num;
 
for(int i=1;i<n-1;i++)
 
{
  mid
=1;
  
for(int j=0;j<i;j++)
   mid
=mid*(x_num-x[j]);
  fx
=fx+y[i][i]*mid;
 }

 cout
<<" 计值点x="<<x_num<<"的函数值f("<<x_num<<")="<<fx;
}

void main()
{
 
float x[n],y[n][n];
 cout 
<< setiosflags(ios::fixed);   //和下一句结合起来用来设定小数位的位数
 cout << setprecision(5);
 input_data(x,y);                   
//输入相关的数据
 output_data(x,y);                  //输出相关的数据
 calculate_data(x,y);               //求各阶均差
 output_data(x,y);                  //输出相关的数据
 calculate_fx(x,y);                 //用插值法计算f(x)的函数值
}


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值