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

Python+最小二乘+灰色预测+误差分析

烟气含氧量是影响火电厂锅炉运行安全性和经济性的一个重要因素,影响锅炉烟气含氧量的因素多而复杂,对烟气含氧量特性进行建模与控制是实现锅炉正常运行的基础。借助现场运行数据,根据锅炉烟气含氧量的特性,建立基于最小二乘支持向量机(LSSVM)的锅炉烟气含氧量预测模型。在此基础上结合全局寻优的混合粒子群算法(PSO),对锅炉烟气含氧量进行控制。仿真结果表明:该方法能够比较准确地对火电厂锅炉烟气含氧量进行测量和控制,为锅炉燃烧系统的闭环控制与优化运行提供了新的手段。

最小二乘B样条曲线和曲面拟合的渐进和迭代逼近

返回系列谐波分量的幅度 (C) 和相位 (pha)， i*cos(2*pi*t/Ti-phai)。 对于虚级数，实部和虚部的幅度和相位被转换为椭圆参数（半长轴和短轴，倾角和相位角）。 屏幕截图中显示了两个输出，分别为实数和虚数系列（参见文件中的示例）。 此函数的输出具有与 T_TIDE 输出相同的形式，因此可以被其他 T_TIDE 实用程序使用。

dlsa分布式最小二乘近似 使用Apache Spark实施 介绍 在这项工作中，我们开发了一种分布式最小二乘近似（DLSA）方法，该方法能够解决分布式系统上的大量回归问题（例如，线性回归，逻辑回归和Cox模型）。 通过使用局部二次形式逼近局部目标函数，我们可以通过对局部估计量进行加权平均来获得组合估计量。 在统计上证明了所得的估计器与全局估计器一样有效。 而且，它只需要一轮通信。 我们使用自适应套索方法进一步基于DLSA估计进行收缩估计。 通过在主节点上使用LARS算法，可以轻松获得该解决方案。 从理论上讲，通过使用新设计的分布式贝叶斯信息准则（DBIC），得出的估计量具有oracle属性，并且选择一致。 广泛的数值研究和航空公司数据集进一步说明了有限的样本性能和计算效率。 整个方法已在的Spark系统中实现。 R软件包dlsa提供了上可用的概念演示。 系统要求 Spark >= 2

介绍了Savitzky-Golay滤波器的推导方法――多项式的最小二乘拟合法及其推导过程，以及如何由Savitzkv和Golay提出的多项式卷积计算方法进行最小二乘拟合计算，对Savitzky-Golay滤波器的二维算法进行了简单介绍，对其一维和二维的MATLAB代码进行了分析处理，并将Savitzky-Golay滤波器同其他低通滤波器进行了简单比较，简要说明了其优势以及一些应用方向。

递归最小二乘（RLS）自适应均衡算法.doc

最小二乘支持向量机MATLAB，可用于预测，并且是MATLAB程序的