增广最小二乘法是最小二乘法的一种简单推广
只是扩充了参数向量θ和数据向量h(k)的维数
辨识过程模型参数的同时辨识噪声模型
就这种意义上说，可称之为增广最小二乘法
噪声模型参数估计的收敛过程比过程模型参数估计值的收敛速度慢
从实用角度来说，噪声模型阶次不宜取太高
3.4.2 增广最小二乘法原理及算法
增广最小二乘算法的特点
2021-12-11 11:26:34
9.73MB
1
提出了求解线性系统和线性最小二乘系统的迭代方法。 该方法基于 Golub-Kahan 双对角化过程。 它在分析上等效于应用于正规方程的 MINRES 标准方法。 与 LSQR 相比，尽早终止 LSMR 更安全。
有关 LSMR 的详细信息可以在http://www.stanford.edu/group/SOL/software/lsmr.html http://www.stanford.edu/~clfong/lsmr.html
2021-12-08 14:32:27
7KB
1
Irls算法-权值最小二乘算法（C++）+opencv2.4.9版本
ps：如果提示确实lib或者无法识别cv，请检查自己的opencv是否配置成功。
2017.11.6亲测成功，算法效率很高，各种需要输出的地方都留下了LogDebug。
2021-12-08 10:22:10
2KB
1
针对现有方法在高密度场景人群密度估计不够准确的问题，提出了Gabor滤波结合最小二乘支持向量机（LS-SVM）的人群密度估计算法。首先，设计一组单独的二维Gabor滤波器应用在人群图像中以产生相应的滤波通道。然后，通过计算这些通道上灰度值的均值和方差得到特征向量。最后，采用最小二乘支持向量机分析特征向量和人数之间的关系，完成最终的密度估计。在UCSD数据集和Mall数据集上的实验显示，提出的方法实现了更快的执行时间和更好的精度，证明了基于Gabor滤波器和LS-SVM的人群密度估计算法的有效性。
2021-12-07 14:28:38
1.6MB
1
此提交是应请求编写的 - 作为处理线性最小二乘问题的工具，受可能存在秩不足的线性等式约束。 （当然，它也可以处理满秩约束的问题。）如果出现秩不足约束系统，它会测试约束的一致性。
我向 LSE 添加了一些其他功能：
- 它允许最小二乘问题的多个右手边，当然完全矢量化。 - 可以提供重量。 - 您可以选择最小二乘解算器，反斜杠或 pinv。
LSE 解决问题（对于未知向量 x）
argmin 范数(A*x - b)
受约束
C*x = d
例如，考虑随机系统A = rand(10,3); b = rand(10,1);
具有秩亏约束集C = [1 1 1;1 1 1]; d = [1;1];
X = lse(A,b,C,d) X = 0.5107 0.57451 -0.085212
验证是否满足约束
C*X 回答= 1 1
当指定 \ 时，列旋转用于从约束系统中消除变量，
2021-12-01 16:01:26
5KB
1