论文部分内容阅读
本文在MLH (Moving Least-Hardy)逼近方法的基础上,通过在MLS (Moving Least-Squares)方法中引入修正权给出了一种修正的MLS方法。该方法与MLH方法一样,能够对带有奇异值的散乱数据进行有效的逼近,避免了MLS方法对这类数据逼近的不理想问题,并且其计算效率明显高于MLS方法。为了提高逼近值精度,该方法还引入了自然邻点,以自然邻点替代目标函数中权函数的作用。