全最小一乘法

先介绍最小二乘法、最小一乘法与全最小一乘法,论述它们的异同;然后举例说明全最小一乘法在经济方面的应用,并将它与最小二乘法及最小一乘法进行比较,同时给出了利用LINGO10软件计算全最小一乘法的程序;最后,简单叙述了全最小一乘法在理论上的进一步发展.     

最小二乘与最小一乘

最小二乘与最小一乘是回归分析中两个重要的估计方法,在这篇文章中,我们将通过线性回归给出它们的定义,并给出它们的优缺点,希望能为使用者提供方便。     

最小一乘回归的新算法

利用加权最小二乘法，提出最小一乘的一种迭代算法，这种方法使最小一乘法在计算上变得简单、直观     

解最小一乘问题的递归神经网络

应用鞍点理论和投影算子的性质,给出了一种递归神经网络求解具有线性约束的最小一乘问题,证明了此神经网络全局收敛于一个最优解.数值实验表明,用本文的方法求解最小一乘问题是切实可行的.     

几类最小一乘估计模型的求解

本文探讨了应用最小一乘准则的多种线性和非线性回归模型,推导了各种模型中未知参数的最小一乘估计形式,并给出最小一乘准则求解的基本过程,实现了未知参数最小一乘估计求解的统一.     

基于遗传算法的最小一乘回归新算法

最小一乘在稳健性上比最小二乘好,使得最小一乘在工程中得到广泛的应用,但求解最小一乘的算法并不理想;本文根据最小一乘的性质,把最小一乘问题变为组合优化问题.将遗传算法用在最小一乘模型的求解上,在后面的仿真实验中得到了较好的效果.     

基于最小一乘准则的非线性回归模型研究

给出基于最小一乘准则的非线性回归模型的参数估计算法。该算法利用泰勒级数和最小一乘准则的性质,得到模型的参数估计值。文中用实例验证了该算法的正确性和有效性,同时也证实了最小一乘的稳健性。     

最小一乘估计的几个性质

定义了最优极点和稳定极点2个概念,在非退化模型下讨论了它们与最小一乘估计间的等价关系,得出了稳定极点就是最优极点的结论,有利于找到求解最小一乘估计更简单的算法.     

AHP中关于对数最小一乘排序算法的探讨

在层次分析中提出了一种对数最小一乘排序方法,并给出了一个迭代算法,该方法具有较好的稳定性．     

曲线最小二乘拟合的自适应方法

文章提出了一种自适应的最小二乘曲线拟合方法.根据观测数据该方法自适应地选择拟合函数模型.数值结果表明,所提出的自适应方法能更好地拟合观测数据之间的关系.     

全局连续的分段最小二乘曲线拟合方法

针对传统最小二乘的曲线拟合方法不适合单一应用在具有复杂结构的试验观测数据中,本文提出一种满足全局连续性约束的多分段区间的最小二乘数据拟合方法.通过把每个相邻分段点上要求拟合连续的约束条件转化成一个矩阵等式Zα=0,建立一个只包含线性等式约束的最小二乘模型min ‖ Xα -y‖ 2,最后通过应用拉格朗日的乘数方法推导出...     

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。     

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。     

分段最小二乘曲线拟合

本文在一般最小二乘曲线拟合的基础上提出分段最小二乘曲线拟合的方案,讨论了联结分段拟合曲线的方法,并且给出分段最小二乘多项式拟合的计算方法.     

基于Messay遗传算法B样条闭曲线拟合

提出一种B样条闭曲线拟合的新方法——基于Messay遗传算法,通过种群中每个染色体的基因和基因个数的不断变化,自适应地调整参数序列、节点向量和控制顶点数目.实验结果说明,用Messay遗传算法拟合有序数据点列得到的B样条闭曲线逼近效果良好.