IRLS （迭代重加权最小二乘）优化算法理解 最近在阅读去模糊算法中，在估计模糊核过程中经常提到IRLS算法，决定好好理解一下！ 以下理解来自论文《Iterative Reweighted Least Squares》 对于线性方程组的最优近似解问题： 写成矩阵形式， Ax=b，A∈RM×N{\bf Ax=b，A\in }\mathbb R^{M\times N}Ax=b，A∈RM×N 等价于最小化误差向量e=Ax−b\bf e=Ax-be=Ax−b的范数。 最小平方误差近似 使用二范数作为误差度量：∥e∥22=∑iei2=eTe{\bf \Vert e\Vert_2^2}=\sum_i e

变量选择是分类中最重要的模型选择问题之一。 提出了一种新的基于局部偏最小二乘（KPLS）子空间中的最近邻（FNN）的方法，以选择简约变量作为非线性建模输入。 首先，将非线性输入简化为KPLS子空间的主要成分。 此外，它们的重要性的顺序是根据FNN在KPLS子空间中启发的距离度量确定的。 这样，识别出了不重要的变量。 最后，使用不同的参数模型研究了3个典型分类问题的变量选择。 结果表明，该方法对非线性模型约简是有效的。 因此，可以用于非线性系统的变量选择。

TDOA/AOA/AOD

Levy 等人的 LSCM 算法的实现 [1]。 还包括一个基本的 Wavefront OBJ 文件格式阅读器，以及一个利用加速的实现，使用来自 Accelereyes 的 JACKET 在 NVIDIA GPU 上执行一些计算。 [1] B. Lévy、S. Petitjean、N. Ray 和 J. Maillot，“用于自动纹理图集生成的最小二乘共形贴图”，ACM Trans。 图。，卷。 21，2002，第 362-371 页。

整体最小二乘基本理论，介绍整体最小二乘基本原理，配合实例计算。

这是一全英文的，解压后需要用djvu阅读器才能打开

关于matlab椭圆拟合的源代码，根据给出的椭圆边界上的点坐标拟合整个椭圆的边界

形状有很多不同的类型，能够区分它们很重要。绘制了100个三角形，100个正方形和100个圆。每个png图像均为28x28 px，图像位于3个文件夹中，这些文件夹标记为正方形，圆形和三角形。 300 images of squares, circles, and triangles_datasets..txt 300 images of squares, circles, and triangles_datasets..zip

Savitzky-Golay算法实现论文，介绍算法（General Least-Squares Smoothing and Differentiation by the Convolution (Savitzky-Golay) Method）

PyTorch套索 用于L1正则化最小二乘（套索）问题的PyTorch库。 该库正在进行中。 欢迎和赞赏的贡献！ 作者：Reuben Feinman（纽约大学） 乍看上去： import torch from lasso . linear import dict_learning , sparse_encode # dummy data matrix data = torch . randn ( 100 , 10 ) # Dictionary Learning dictionary , losses = dict_learning ( data , n_components = 50 , alpha = 0.5 , algorithm = 'ista' ) # Sparse Coding (lasso solve) coeffs = sparse_encode ( data , di