关于B样条V·D性质的另一证明

样条函数的变差缩减方法(简称V·D逼近)是利用B样条构造曲线的一种十分有效的方法。这种方法具有模拟被逼近曲线几何形态的特点,且计算简单,特别适用于自由形式的曲线和曲面的设计,古典的Bernstein多项式逼近是V·D逼近的特例,而V·D逼近的理论基础是B样条所具有的V·D性质。本文采用与以往证明不同的途径,对B样条的V·D性质给出了一种纯代数的证明。该证明简单、自然。     

Spline函数的理论及其应用(一)

近十多年来,在数值分析的许多领域内,Spline函数(有时译作样条函数)是一个十分活跃的课题,它在生产和科学实验中有着重要而广泛的应用,Spline函数的理论和应用是属于函数逼近的范围.函数逼近是数学的一个重要分支,也是数值分析的基本内容和基本方法之一.函数逼近这个古老的课题,简单说来,就是对于一个复杂的函数(曲线)     

保凸插值样条曲线

1 引言 曲线设计是设计工程的重要课题。用向量样条,可使曲线经过型值点且有很好的逼近性质,但没有保凸性;Bzier曲线,B-样条曲线等一类向量线性正算子,有很好保凸性,但一般只通过首尾两个型值点。在实际设计中提出这样的问题:能否使所作曲线既过型值点,又有保凸性呢?大家知道,逼近论与样条理论最基础的是研究一元函数逼近与插值,所以[8][9]很自然地推广至逼近与插值向量值函数F(t):[a,b]→X(X为Banach空间)。但是,[8][9]的方法不能用于把平面曲线逼近与拟合算法[2—7]向多维推广。     

圆弧样条的单圆弧逼近

<正> 长期以来奇次样条在实践中有广泛的应用,在生产上有显著的成效,而偶次样条在某种程度上受到了忽视.实际上偶次样条有着自己的特点。对此有许多文章做了详细的论述.例如,在生产实践中(如用数控线切割机进行金属切割),往往需拟合一些非圆曲线或拟合一些离散点,当然三次(或三次以上的)多项式可以拟合非圆曲线及离散点,但三次曲线本身却不能直接用简单的工具准确地绘出,数控线切割机的基本加工轨迹也仅是圆与直线,因此在加工非圆曲线时,往往还沿用原始的方法——用直线段(一次样条)逼近.其缺点是显然的.(1)易产生角点,即在两条直线段的衔接处(节点处)不光滑;(2)在     

单位圆弧上复二次Bézier曲线

实空间中的Bezier曲线在计算机辅助设计和制造(CAD/CAM)中起着重要的作用,尤其二次和三次Bezier曲线的应用十分广泛.将复样条函数作为逼近工具的研究工作已有[1]—[4],但几何性质的研究尚罕见,难以在CAD/CAM中得到应用.本文先对单位圆弧上的复二次Bezier曲线的几何性质(特别是凸性)作了一些较深入的讨论,再以它们为基本曲线段给出一种构造一阶几何连续(GC~1)的插值复样条曲线的方法.此样     

样条曲线拟合与双圆弧逼近

§1.引言 在造船,航空等工业中都需要很好地解决样条曲线拟合的问题。即对于给定的一组离散的有序点列要求连出适当的曲线使得保持光顺,而且要便于数控绘图的数据处理,本文目的是提供一种曲线拟合和数控绘图方法,即采用转轴三次样条(样条为二阶连续可微)拟合,再用双圆弧逼近,从而把样条曲线看作为一连串直线或圆弧的组合,称为圆弧样     

单位圆弧上复二次Bézier曲线

实空间中的Bezier曲线在计算机辅助设计和制造(CAD/CAM)中起着重要的作用,尤其二次和三次Bezier曲线的应用十分广泛.将复样条函数作为逼近工具的研究工作已有[1]—[4],但几何性质的研究尚罕见,难以在CAD/CAM中得到应用.本文先对单位圆弧上的复二次Bezier曲线的几何性质(特别是凸性)作了一些较深入的讨论,再以它们为基本曲线段给出一种构造一阶几何连续(GC~1)的插值复样条曲线的方法.此样     

实分片代数超曲面的连通分支数的上界

多元样条是具有一定光滑度的分片多项式,具有一定光滑度的分片代数(超)曲面(即多元样条的零点集)是表示或逼近曲面的重要工具.这篇文章建立了实分片代数超曲面与实分片代数曲线的连通分支数的界.     

四阶n次B样条曲线的单调逼近性及奇拐点分析

通常的B样条曲线,Bezier曲线,还是有理参数曲线都不收敛于它们的控制多边形.本文给出的一类四阶n次B样条曲线(当n=3时即为三次B样条曲线),在其凸包族{V_3(n)}单调嵌套且收敛于曲线的控制多边形的意义下,单调地逼近于此控制多边形.在平面曲线情形,本文利用不同于[1—6]中的方法,避开分析代数方程的根的困难,     

C~3连续的三角样条函数与曲线

本文构造了一种三次三角样条函数 ,函数的每一段由三个函数值生成 ,具有C3连续性和较好的逼近性 ,可方便地进行插值 .基于同样的方法得出了一种C3连续的三角样条曲线 ,曲线也有较好的逼近性 ,而且具有局部性、保凸性等特性 .     

关于两类圆弧插值样条

[1]中考察了两类圆弧插值样条,我们依次简称为C~0类与C~1类。本文指出,C~0类圆弧插值样条与C~1类比较,虽然光滑性差,但是逼近阶一般较好。对于这两类样条,本文都给出了比较精确的逼近度。 一、C~0类圆弧插值样条 设平面上的曲线段T与圆弧样条S分别由n个曲线段T_1,…,T_n与n个圆弧S_1,…,S_n组成,其中T_i与S_i均由P_(2i-2)点出发,经过P_(2i-1)点而至P_(2i)点(i=1,…,n)。当该曲线段T(或该点列P_0,P_1,…,P_(2n))确定时,该圆弧样条S显然唯一确定。这时,我们称该     

奇异积分的广义Hermite插值样条逼近

§1.引言 本文利用广义Hermite插值样条讨论如下形式的奇异积分:的逼近,其中w(t)为权函数,积分理解为Cauchy主值积分. 以带权正交多项式作为逼近工具的奇异积分逼近方法,在实际应用中常会遇到许多困难,如确定权函数相应的正交多项式及其零点、计算过程的不稳定性等.用样条函数作     

周期B样条基转换矩阵的表示和计算

周期B样条基以一种简洁的形式表示闭B样条曲线.周期B样条基转换矩阵为闭B样条曲线及相关曲面的不同表示间的转换提供了一个数学模型.本文给出了周期B样条基转换矩阵的存在性条件,给出并证明了周期B样条基转换矩阵的一个简单的递归表示式.在此基础上,本文进一步给出了周期B样条基转换矩阵的计算公式和高效算法.周期B样条基转换矩阵为闭B样条曲线的节点插入、升阶、节点删除和降阶等基本运算提供了一个统一而简单的解决方法,本文给出了一些应用例子.     

关于Cardinal ■-样条的一些极值问题

本文研究了Cardinal?-样条函数空间对一类可微函数类在L~1(R)尺度下的最佳逼近和最佳线性逼近,确定了这两类最佳逼近的精确值相等,并表明了Cardinal?-样条插值为最佳的线性逼近方法。     

关于Cardinal ■-样条的一些极值问题

本文研究了Cardinal?-样条函数空间对一类可微函数类在L~1(R)尺度下的最佳逼近和最佳线性逼近,确定了这两类最佳逼近的精确值相等,并表明了Cardinal?-样条插值为最佳的线性逼近方法。     

一类带参数的有理三次三角Hermite插值样条

给出一种带有参数的有理三次三角Hermite插值样条,具有标准三次Hermite插值样条相似的性质.利用参数的不同取值不但可以调控插值曲线的形状,而且比标准三次Hermite插值样条更好地逼近被插曲线.此外,选择合适的控制点,该种插值样条可以精确表示星形线和四叶玫瑰线等超越曲线.     

带参数的Catmull-Clark细分曲面

在均匀B样条曲线的Lane-Riesenfeld细分算法中,每一步细分可看成是对原控制多边形的"切角"操作.文章通过引入一个参数来控制切角的程度,提出加权的Lane-Riesenfeld算法,并从均匀三次B样条曲线出发,得到光滑性为C~1的单参数曲线细分格式.进一步将该算法推广到任意拓扑的四边形网格上,得到除奇异点外处处C~1的细分曲面(称之为带参数的Catmull-Clark(C-C)细分曲面).格式中的参数在一定范围内调整时,可以使细分曲线/曲面不同程度地逼近控制多边形/控制网格,具有较好的灵活性.     

二元三次样条空间S_3~(1,2)(△_(mn)~(2))的样条拟插值

本文首先利用由两组具有局部最小支集的样条所组成的基函数,构造非均匀2型三角剖分上二元三次样条空间S1,23(△(2)mn)的若干样条拟插值算子.这些变差缩减算子由样条函数B1ij支集上5个网格点或中心和样条函数B2ij支集上5个网格点处函数值定义.这些样条拟插值算子具有较好的逼近性,甚至算子Vmn(f)能保持近最优的三次多项式性.然后利用连续模,分析样条拟插值算子Vmn(f)一致逼近于充分光滑的实函数.最后推导误差估计.     

V.D.变换的特性分析

函数f(x)的V.D.(Variation Diminishing)多项式样条逼近的若干特性已在[1—3]中作了一些讨论。本文从给定的一组型值点出发,给出了一类构造带有(或不带有)边界导数条件的V.D.多项式样条逼近的方法;并且证明了V.D.逼近具有“不产生多余拐点”(即与型值点二阶差符号变号个数相比较而言)这一优良的几何特性。此外,还给出了能保持型值点上二阶差符号的V.D.逼近方法。上述结果分别叙述在本文的§1—§3之中。本文的后一部分即§4、§5对V.D.逼近方法进行了一些误差分析。     

纵向数据广义部分线性模型的二次推断推断函数估计（英文）

针对纵向数据广义部分线性模型,通常的做法是用样条或核方法逼近非参部分,之后利用广义估计方程方法(GEE)估计参数部分.本文使用B样条逼近非参函数,并基于二次推断函数的方法对参数和非参数进行估计,并给出了估计量的大样本性质.模拟表明本文的方法改进了GEE的效率.