最小二乘改进算法及其在椭圆拟合中的应用

提出一种像素级边缘检测椭圆拟合新算法,用该算法对最小二乘算法进行了改进。首先,将符合要求的准椭圆转化到归一化坐标系;然后利用最小二乘法进行亚像素级椭圆拟合;最后,采用二次曲线拟合点集求解出亚像素及椭圆几何中心。在给定的图形中,利用本文提出的改进像素级边缘检测算法可以明显提高拟合不确定度和拟合精度。     

超平面拟合最小二乘问题

首先导出了超平面拟合最小二乘问题的正规方程组，然后说明了该正规方程组有解，且其解使拟合函数取最小值，最后给出了求正规方程组的解的算法合数值例子。     

超平面拟合最小二乘问题

导出了超平面拟合最小二乘问题的正规方程组,说明该正规方程组有解,且其解使拟合函数取最小值,最后给出了求正规方程组的解的算法合数值例子.     

基于最小二乘法Lagrange插值基函数的拟合推广

利用广义逆矩阵给出了低阶多项式的拟合函数，推导出了拟合递推关系式，最后给出了拟合性质，这些在工程中是一种非常有效的方法。     

基于最小二乘谐波拟合的置信水平计算方法

结合Lomb最小二乘谐波拟合的方法和Scargle归一化功率谱的置信水平的解析公式,给出了一种计算谐波拟合置信水平的方法.该方法的优势在于:直接计算拟合量的振幅,并给出拟合振幅的置信水平,物理意义明确;能够对多个频率进行扫描和拟合并给出各频率对应振幅的置信水平;通过对置信水平最大的频率进行拟合,获得时间序列的周期性变化规律.最后,通过数值试验说明了本方法的优势和实用性.     

基于MATLAB的离散数据最小二乘拟合

针对科学与工程计算中常见的实验数据拟合问题,基于MATLAB数学软件,利用最小二乘原理,确定变量之间的函数关系。通过几个案例分析,实验研究得出结论:基于MATLAB的最小二乘拟合方法简单、容易实现、工程应用广泛。     

给定谱系树的加权最小二乘拟合

给出了给定谱系树加权最小二乘问题最优拟合的一个充要条件及两个拟合算法．     

基于全局最小二乘拟合的直线抽取算法

提出了基于全局最小二乘拟合的应用于二维图像的直线抽取算法.类似于一维数据曲线拟合的方法,通过引入叉分的手段,克服了二维图像数据非单值函数的困难(图像的y坐标作为x坐标的函数),实现了用最小二乘算法来全局地描述、提取二维图像中的直线.并提供了数值实验验证.     

基于整体最小二乘的空间直线拟合算法

首先通过一定方式的转换将空间直线六参数拟合问题简化为平面直线四参数拟合问题,然后将方程组进行矩阵化,有利于利用整体最小二乘理论进行算法计算,最后分别利用本算法和最小二乘法对实测数据进行空间直线拟合计算,并对2种算法的结果进行比较,初步验证了本算法的可靠性和精确性.同时,将计算结果与不同文献的研究结果相比,证明了本算法的有效性与正确性.     

隐函救最小二乘曲线拟合的直接算法

达到的小.式中N为观测点的总数,W_1为权重因子,y为因变量,m代表测量值,c代表计算值。当待拟合的函数为显式函数时,y_1~c可由如下解析表达式直接算得     

基于分层插值和最小二乘拟合的亚像素细分算法

在分析传统的光疯质心亚像素细分算法误差原因的基础上,提出了一种基于“金字塔思想”分层方式的三次线形插值和最小二乘拟合的质心算法。通过多次插值对光斑图像进行逐层细分,采用最小二乘曲面拟合在每一层内进行迭代计算。结果表明,该文分层插值方法提高了图像的分辨率,减小了图像系统误差和随机噪声等因素对算法精度的影响,通过该方法获得了较高精度的图像光斑中心位置。仿真实验测试证明,分层插值拟合方法精度优于质心法和曲面拟合法等传统算法,在实际的飞行器测量实验中具有很好的实用性。     

基于等式约束最小二乘的B样条曲线拟合

 给出一种B样条曲线拟合有序数据的方法。以曲率为代价对有序数据简化。将简化后的数据插值曲线作为硬约束条件,以原始数据逼近曲线作为软约束条件,建立等式约束的最小二乘方程。利用QR分解技术求解方程确定B样条曲线的控制点。采用平方距离最小化方法计算原始数据到生成的B样条曲线的距离,如果不满足误差要求将误差最大数据加入硬约束条件,对局部受影响的部分重新生成曲线。该方法在满足拟合精度的前提下,具有较快的收敛速度,生成的B样条曲线具有较少的控制点。该方法也可用于解决带约束的曲线拟合问题。     

邻域线性最小二乘拟合的推荐支持度模型

针对协同过滤推荐系统在稀疏数据集条件下推荐准确度低的问题,提出了推荐支持度模型以及用于该模型计算的邻域线性最小二乘拟合的推荐支持度评分算法(linear least squares fitting,LLSF)。该模型描述用户对被推荐项目更感兴趣的可能性,通过用高支持度的评分估计取代传统的期望估计法来找出用户更喜欢的项目,从而提高推荐的准确度,并从理论上论述了该算法在稀疏数据集条件下相对其他算法具有更强的抗干扰能力。该模型还易于与其他推荐模型融合,具有很好的可拓展性。实验结果表明:LLSF算法显著提升了推荐的准确性,在MovieLens数据集上,F1分数可达到传统的kNN算法的3倍多,对于越是稀疏的数据集,准确率提升幅度越大,在Book-Crossing数据集上,当稀疏度由91%增加到99%时,F1分数的改进由22%提高到125%。同时该方法不会牺牲推荐覆盖率,可以保证长尾项目的挖掘效果。     

群组决策的加权对数最小二乘法

层次分析法已广泛用于群组决策中,在群组决策中,每个决策者的决策水平都是不相同的,因而每个决策者提供的信息质量也是高低有别的,因此应区别对待每个决策者提供的信息,为此可构造一个过滤函数以充分利用高质量的信息而过滤掉低质量的信息,以改进对数最小二乘法,从而提高决策精度。     

稳健正交最小二乘拟合法

针对一般的最小二乘法忽略自变量的误差这一缺点,提出一种新的正交最小二乘法.该方法以正交距离残差平方和最小为衡量准则,并通过一定的算法剔除粗差和异常值,从而获得最佳的拟合曲线.算例结果表明稳健正交最小二乘拟合法结果更为可靠.     

最小二乘混沌算法在水位流量关系拟合中的应用

针对水位流量关系曲线拟合问题,将最小二乘法(LS)与混沌算法(CA)相结合,提出了一种适应于曲线拟合的最小二乘混沌算法(LSCA),并与最小二乘算法及遗传算法的拟合结果进行比较。结果表明,最小二乘混沌算法具有简便、快速、实用性强等优点,是一种较为优秀的全局优化方法,适应于非线性关系的参数率定。     

具有最小截断二乘稳健初值的点云平面拟合算法

针对粗差含量较高的点云平面拟合,提出具有最小截断二乘(LTS)稳健初值的拟合算法.首先采用随机抽样的方法计算平面方程系数的LTS估值,选择稳健的绝对偏差中位数作为初始单位权中误差,然后再进行选权迭代.这样既保证了选权迭代法较高的估计效率,又可以保持LTS方法的稳健性.实验结果表明,具有LTS稳健初值的选权迭代法对于粗差含量较高的点云数据仍然稳健,可以得到准确的平面方程.     

基于最小二乘支持向量机的滤波器设计

为了改善传统方法设计滤波器的幅频响应性能,提出了基于最小二乘支持向量机的滤波器设计方法．优化选择最小二乘支持向量机参数,以理想滤波器的幅度响应作为学习样本,通过最小二乘支持向量机训练,使得实际滤波器的幅度响应逼近理想滤波器的幅度响应．仿真结果表明,由该方法设计的一维和二维滤波器性能接近于理想滤波器．