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.     

奇异线性模型最小二乘估计的相对效率

对于奇异线性模型，引入了参数β的最小二乘估计相对于最佳线性无偏估计的一种新的相对效率，给出了与其他两种相对效率的关系，导出了该效率的上下界．     

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。     

带有线性不等式约束的线性模型参数的最小二乘估计

本文给出了求解具有线性不等式约束的线性模型参数的最小二乘估计的一个方法,并得到了这个估计的一般表达式。     

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.     

奇异线性模型最小二乘估计的相对效率

在奇异线性模型下讨论相对效率ei(β）,1≤i≤2的下界及其与广义相关系数和联系,随后简单地讨论了这两种相对效率的关系和比较。     

线性回归模型的广义刀切最小二乘估计

在误差为相依的情况下,讨论了线性回归模型的刀切最小二乘估计与广义刀切最小二乘估计。在均方误差意义上,广义刀切最小二乘估计优于刀切最小二乘估计,并利用算例进行了验证。     

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。     

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     

线性回归模型中的加权最小二乘估计

给出了线性回归模型中的加权最小二乘估计以及最优权数的选择.     

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.     

一种采用偏最小二乘回归的情绪调节策略预测模型

针对目前个性化网络学习中重知识轻情感的现状,从学习者负面情绪调节入手,提出采用偏最小二乘回归方法,以采集的学习者的个性特征为自变量,负面情绪调节的策略特征作为应变量,建立学习者的情绪调节策略预测模型.通过实例验证,此模型具有较好的拟合预测能力.实验结果表明,个性对情绪调节策略的解释能力达70%,揭示出学习者负面情绪补偿的方法与个性相关联.     

基于弧段组合的直接最小二乘椭圆拟合

为使直接最小二乘椭圆拟合算法适用于图像中多椭圆的检测,提出了对参与拟合的边点数据按所属椭圆进行分组、以弧段组合代替离散边点作为直接最小二乘椭圆拟合数据的方法.实验结果表明该方法能够有效减少椭圆检测无关的边点,为各个椭圆的拟合提供合理的分组数据,从而准确、有效地实现图像中多椭圆的检测.     

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。     

求解大型线性最小二乘问题的贪婪Gauss-Seidel方法

基于一种选择系数矩阵A的工作列的策略，提出了求解大型线性最小二乘问题的一种不同的贪婪Gauss-Seidel方法，并对该方法进行了收敛性分析。数值实验表明，在相同的精度下，所提方法在计算时间上优于文献提出的贪婪随机坐标下降方法。