递推阻尼最小二乘参数辨识算法.txt

偏最小二乘法教程 详细介绍了偏最小二乘的用法

偶尔我会看到解决很多非线性最小二乘问题的请求，所有这些问题都有相同的模型，但数据集不同。 简单的答案是循环，或者您可以使用并行计算解决方案。 但是，您也可以使用优化工具箱求解器中内置的功能 - 允许您使用块对角雅可比矩阵并行解决许多小问题。 例如，假设要求您估计模型的系数y = a1 + a2*exp(a3*x) 这是使用任何非线性回归工具解决的简单问题。 （我推荐我自己的 fminspleas，也在 File Exchange 上。）但是假设您有 10000 组数据，那么您需要求解 10000 组参数？ 您可以只使用循环，但循环并不总是解决问题的最有效方法。 batchpleas 是解决这个问题的工具。 它通常允许吞吐量提高一个数量级，而无需任何并行处理工具箱。 例如，我在包含的演示中提供的示例在将一组 10000 条曲线拟合到数据时显示了 13-1 的加速，每个曲线都有 3 个要估计

针对传统水质预测方法中水质因子的多重相关性造成预测精度低的问题,提出了一种将偏最小二乘法和支持向量机相耦合的水质预测方法。利用偏最小二乘法提取对水质因子影响强的成分,从而克服了信息冗余问题,并降低了支持向量的维数。利用支持向量机建模可以较好地解决高维非线性小样本问题。同时利用改进的PSO算法优化SVM参数,减小参数搜索的盲目性。研究结果表明,本耦合模型的预测精度和运行效率明显优于常用的BP人工神经网络和传统的支持向量机,可以更好地应用于水质预测。

一种稳健的最小二乘恒模算法.doc

为了提高单目标定位的精度，以到达时间差为物理量，提出了一种两步最小二乘定位算法(TSLS).TSLS首先基于普通线性最小二乘估计模型，采用线性纠正最小二乘定位算法(LCLS)获得目标节点位置的估计值；然后计算出目标节点到达不同基站的距离差，并用该距离差来近似实际距离差；最后基于约束总体最小二乘估计模型，利用约束总体最小二乘定位算法(CTLS)对目标节点位置进行二次估计.由于TSLS本质上是通过减少CTLS的矩阵误差来提高CTLS的性能，因此可以看成是一种增强型CTLS算法.仿真分析表明，TSLS算法的总体

粒子群、遗传算法、鲸鱼算法和基于冯洛伊曼拓扑的鲸鱼算法的最小二乘支持向量机

国内高校的作业题，用了engin库，c++vs2019有界面

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题，提出一种基于联合区间偏最小二乘判别分析(SiPLSDA)算法，并将该算法应用于猪肉近红外光谱的定性建模分析。SiPLSDA 利用联合区间偏最小二乘回归（SiPLS）进行光谱特征区域筛选，在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II 快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱，采用标准正态变量变换(SNV)进行近红外光谱的预处理，用SiPLSDA 建立猪肉近红外光谱的定性模型。实验结果表明，SiPLSDA 建立的预测模型对猪肉储藏时间的识别率达到93.94%，高于基于全光谱区域建立的PLSDA 预测模型的识别率。

第6章 最小二乘估计理论及算法.ppt