偏最小二乘回归（PLSR）统计建模方法本质上是对数据平均趋势的估算，无法避免“依据错误的数据得到错误的模型”的根本问题.为此，提出用数据包络分析（DEA）优化偏最小二乘回归的建模方法，用DEA方法对数据进行评价，剔除无效数据，将有效的数据用来偏最小二乘回归建模.该方法能有效克服干扰数据对提取成分的影响，弥补偏最小二乘方法的不足.通过实例计算并与PLSR、主成分回归（PCR）比较分析表明：DEA优化偏最小二乘回归建模平均绝对误差为2.66%，低于PLSR的4.07%和PCR的4.45%.

实现位置结算的matlab算法，相当的实用且可靠，值得大家一试

三维空间中多站纯角度无源定位跟踪实质上是一个非线性状态估计问题。经典的扩展卡尔曼滤波（EKF）算法等递推类算法性能不稳定，而将非线性观测方程转化为伪线性方程会产生有偏估计。为了实现快速稳定无偏定位跟踪，提出了一种新的双站纯角度快速渐进无偏定位跟踪算法。该算法通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘（CLS）极小化处理，最终只需要对一对矩阵束进行广义特征分解即可获得目标状态估计值。仿真结果表明，该算法与EKF算法及最小二乘（LS）算法相比，定位性能更稳定，精度更高，在测量误差较大或者两个观测站测量误差不一致时优势更明显。

针对最小二乘法用于相似模型试验坐标转换时不能综合考虑系数矩阵误差的问题,提出采用总体最小二乘法用于相似模型试验的坐标转换,该方法以罗德里格矩阵为基础,同时顾及坐标转换方程中系数矩阵和观测向量中的误差,通过一定准则删除数据中的粗差或异常点,从而获得高精度的参数估计值。用近景摄影测量方法获取相似材料模型试验数据对该方法进行试验,结果验证了该方法的有效性和实用性。

基于最小二乘误差谱的有效奇异值选择

并用最小二乘法进行线性拟合, 并画出图形.

实现了工程测量中各种常见的沉降预测算法，包括直线拟合法、二次多项式拟合法、 三次多项式拟合法、双曲线法、对数曲线法、抛物线法、指数曲线法、泊松曲线法、星野法、Asaoka法、灰度模型GM(1,1)法、灰度模型Verhulst法、BP神经网络法、遗传算法。 各种算法的具体实现可以参考 https://blog.csdn.net/yh523/article/details/122944048。 在Visual Studio 2015中采用C#编程语言实现，使用.Net Framework 4.0。 附件资源包含可以编译运行的源代码，以及可以直接运行的exe示例程序。

001 matlab最小二乘求解非线性曲线拟合（含复合参数）

依据建筑物多边形的图形特点分析了其在地图综合中两类处理模型：化简与直角化。在视觉的"自然法则"下，设定建筑物多边形在不同尺度下的凹陷与突出的长度阈值，并在此阈值下将建筑物多边形的点进行分组，进而在最小二乘平差模型下直线拟合组内各点以实现对其化简。针对直角化问题，提出了限制条件下的不等权直角化平差模型，即在多边形相邻的两边相互垂直的条件下使各点改正距离的加权平方和达到最小，保证了建筑物的整体位移较小，从而最大可能地避免了与其相邻地物的位置冲突。该模型已成功用于大比例尺综合缩编软件GenTool，在地图综合生

基于加权最小二乘支持向量机的温室小气候建模与仿真 -2008 总结 xmind