提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见-近红外光谱特征波长的新方法(SA-LS-SVM)。该方法用LS-SVM作为识别器, 用识别率作为SA的目标函数, 提取合适的特征波长数以及对应的特征波长。3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA-LS-SVM, 主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理, 提取特征波长或主成分, 然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测。结果发现, SA-LS-SVM只需从751个数据光谱中提取4个特征波长, 就可以使三种品牌润滑油的识别率达到了100%, 而其他所有的方法发现预测率都达不到100%, 由此验证了SA-LS-SVM的优越性。实验结果表明, SA-LS-SVM不仅能有效地减少建模的变量数, 而且可以提高预测精度。

该工具箱主要用于商业用Matlab软件包使用。Matlab的工具箱已经在不同的计算机体系结构编译和测试，包括Linux和Windows。大部分函数可以处理的数据集可高达20，000或更多点的数据。LS- SVMlab对Matlab接口包括一个适合初学者的基本版本，以及一个多类编码技术和贝叶斯框架的更先进的版本。

大数据-算法-非线性最小二乘测量平差与空间数据误差分析.pdf

大数据-算法-非线性最小二乘估计的遗传算法研究.pdf

大数据-算法-非线性MHD方程的混合有限元方法和最小二乘有限元方法.pdf

大数据-算法-非线性半参数模型最小二乘估计理论及应用研究.pdf

超松弛再生matlab代码低阶矩阵恢复的谐波均值迭代加权最小二乘 该存储库包含MATLAB代码，用于实现低阶矩阵恢复（尤其是针对低阶矩阵完成问题）的谐波均值迭代最小二乘（HM-IRLS）算法的基本变体，并重现本文所述的实验。纸： C.库默勒（J. Sigl） “用于低秩矩阵恢复的谐波平均迭代加权最小二乘”将出现在《机器学习研究杂志》（JMLR）中。 在线可用： 主文件是HM_IRLS.m 。 另请参见示例脚本： script_mc_comparisons.m -HM-IRLS与其他两种算法在随机矩阵完成数据上的比较脚本 script_small_example_IRLSvariants.m该脚本说明了本文第3部分的小示例，将HM_IRLS与其他IRLS变体进行了比较，以解决该问题 script_HM_IRLS_Figure3.m本文图3的脚本重现实验（HM-IRLS和其他IRLS变体的收敛速度，用于解决简单问题） script_HM_IRLS_Figure4.m本文图4的脚本重现实验（HM-IRLS和其他IRLS变体对难题的收敛速度） script_HM_IRLS_Figure5.m本

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：递推最小二乘参数辨识方法_电动车电池仿真_电动汽车动力电池SOC估算模型_电动汽车动力电池参数辨识模型_matlab仿真 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

基于Harris角点检测、最小二乘拟合、RANSAC和HOG的图像拼接算法的matlab仿真，matlab2021a测试。 1.利用Harris角点检测算子找关键点 2.比较来自两幅不同图片的两组关键点，并且将它们匹配起来。 3.利用最小二乘法找到仿射变换矩阵将一幅图片上的点映射到另一幅图片上。 4.利用RANSAC算法估计一个更准确仿射变换矩阵。形成全景图片。

详情见文章 https://blog.csdn.net/wakingking88/article/details/114633225