分布式估计由于其可伸缩性，鲁棒性和低功耗而受到越来越多的关注。 在大多数分布式估计算法中，系统的输出被认为是有噪声的，而输入数据则被认为是准确的。 但是，在实际应用中，输入和输出数据都可能受到噪声的干扰。 因此，假设输入数据中的所有条目都是准确的并且仅输出数据中的条目被破坏是不现实的。 在输入和输出数据嘈杂的情况下，总最小二乘（TLS）方法具有将输入和输出数据中的扰动最小化的能力，因此比基于最小二乘（LS）的方法具有更好的性能。 。 此外，许多自然和人为系统都表现出高度的稀疏性。 在本文中，我们考虑输入和输出数据都被噪声破坏，并且感兴趣的参数稀疏的情况。 针对网络内协作估计问题，我们提出了几种稀疏感知的分布式TLS算法，其中使用l（1）-或l（0）-范数惩罚项来利用信号的稀疏性。 然后，我们对提出的算法的均值和均方性能进行理论分析。 另外，给出了几个数值模拟，以验证这些建议算法的有效性和优势。

偏最小二乘是建立表到表的线性拟合关系，然后预测的方法(处理高维数据)，比如在光谱分析中，X是某物质的光谱样本构成的训练集，Y是对应的成分数据，x是要预测成分的光谱数据。

偏最小二乘回归：当数据量小，甚至比变量维数还小，而相关性又比较大时使用，这个方法甚至优于主成分回归。

遗忘因子递推最小二乘参数估计，用于识别系统，MATLAB程序 遗忘因子递推最小二乘参数估计，用于识别系统，MATLAB程序

MATLAB图像模糊复原5种方法GUI+评价,该课题主要用了5种有关图像复原的方法，包括了维纳滤波算法、约束最小二乘滤波算法、Lucy-Richardson算法、循环边界算法和最优窗算法，部分方法运用工具箱函数实现了仿真模拟，后两种方法为本次仿真的创新之处，目前利用该两种方法处理较少，所以着重研究，仿真实现后，亦分析对比了5种算法的PSNR效果，后期利用图像增强进行主观改善，最大程度的改善了图像质量。

解决具有连续动作空间的问题是当前强化学习领域的一个研究热点和难点．在处理这类问题时，传统的强化学习算法通常利用先验信息对连续动作空间进行离散化处理，然后再求解最优策略．然而，在很多实际应用中，由于缺乏用于离散化处理的先验信息，算法效果会变差甚至算法失效．针对这类问题，提出了一种最小二乘行动者一评论家方法(1east square actor—critic algorithm，I。SAC)，使用函数逼近器近似表示值函数及策略，利用最小二乘法在线动态求解近似值函数参数及近似策略参数，以近似值函数作为评论家指导近似策略参数的求解．将I。sAc算法用于解决经典的具有连续动作空间的小车平衡杆问题和mountain car问题，并与Cacla(continuous actor-critic learning automaton)算法和eNAC(episodic natural actor—critic)算法进行比较．结果表明，LSAC算法能有效地解决连续动作空间问题，并具有较优的执行性能．

一种北斗伪距单点定位的整体最小二乘（TLS）算法，马天明，曾繁慧，目前，北斗伪距单点定位一般都采用普通最小二乘定位算法，但是,该算法只是考虑了观测方程的常数项的误差，而实际上观测方程的系�

关于非线性最小二乘优化问题的matlab代码实现，希望对你有帮组

本程序同时在Github进行上传，链接为：https://github.com/Cyyjenkins/powergrid-state-estimation 。如若您不希望消耗CSDN积分，则可前往此处下载:) 本程序通过最小二乘法与快速分解法，以实现电力系统状态估计（电力网系统辨识） 代码内容其实是对之前已经上传代码的重构，修改内容包括： 1.以面向对象形式封装程序，在类函数中同时整合了最小二乘法与快速分解法 2.修复已知bug，新增对错误输入数据的监控 3.将部分显示循环计算修改为向量化计算，以增加运行速度 4.添加大量注释，修改函数名与变量名，调整代码结构，以方便您对程序的理解

本软件为基于最小二乘支持向量机预测，matlab源代码，内有详细使用教程，特别容易学，使用也简单，结果精度也较高，适合做研究用