最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小

最小二乘法函数拟合。结合一个题目演示了如何自编代码实现用多项式函数和指数函数作为基函数来实现最小二乘拟合，函数文件独立，便于移植，便于推广，题目附有解答，题目来自西工大数值计算方法作业。采用MATLAB实现。

机器人运动学参数辨识算法中最小二乘算法的矩阵推导的

该程序是自适应控制中例子的matlab实现。由两部分组成分别是RELS函数部分和主函数部分。适合学习编写程序实现增广最小二乘法的朋友。

移动最小二乘法拟合数据软件-移动最小二乘拟合软件说明.pdf 本帖最后由 jacket2015 于 2015-2-17 23:09 编辑 移动最小二乘拟合软件（附加任意已知函数最小二乘拟合以及神经网络拟合） 功能描述： 1、 本软件具有利用移动最小二乘拟合数据并提供预测的功能。该功能用来拟合n变量输入1个变量输出系统，所拟合的m组数据以m×形式按照每行n 1个数据的样式放置于txt, xls或者xlsx格式的文件中；所预测的数据为m×n形式按照每行n个数据的样式放置于txt, xls或者xlsx格式的文件中。本软件中，移动最小二乘拟合采用文献[移动最小二乘法在多功能传感器数据重构中的应用]的拟合模型。拟合支持模型优化，以尽可能地得到小的平方误差和值。该拟合支持基于1阶到4阶基函数的移动最小二乘拟合，以满足不同的精度要求。移动最小二乘拟合不给出最终拟合函数的具体形式。但给出最终的拟合误差，和数据预测。2、 本软件具有高达6个自变量，20个拟合参数的用户自定义函数的最小二乘数据拟合功能。所拟合的数据为m×形式按照每行n 1个数据的样式放置于txt, xls或者xlsx格式的文件中；所预测的数据为m×n形式按照每行n个数据的样式放置于txt, xls或者xlsx格式的文件中，其中，m为函数自变量的个数, 最大为6。拟合给出最终拟合函数的具体形式，最终的拟合误差，和数据预测。用户自定义函数需要按照格式要求由用户自行写上。3、 本软件具有神经网络拟合和预测功能。该功能可以拟合任意常见的n变量输入，m变量输出系统（一般地，n>2×m）。该功能提供3种神经网络模型（newrb,newrbe,newgrnn）。 附件

一维热传导方程热源反问题基于最小二乘法的正则化方法

1、资源内容：iPLS算法的简要介绍已经其与PLS算法的区别介绍 2、使用/学习目标：了解iPLS算法的基本原理 3、特点：快速入门iPLS算法 4、适用人群：想快速理解iPLS算法原理的初学者、需要做相关主题课程汇报的学生

matlab 最小二乘法代码移动最小二乘 这是 Siggraph 06 论文“使用移动最小二乘法的图像变形”的 matlab 实现，只是为了了解它是如何工作的。 我建议您阅读 Roy 的 [1] 的源代码。 参考 [1]

偏最小二乘法Matlab源代码,自己编写

MATLAB求解非线性最小二乘法拟合问题 部分源码 clear;clc;close all A0=[1 1]; A=lsqnonlin('jscs',A0); disp('配偶参数A:') disp(A)