基于曲率的适应性移动最小二乘曲面重构，黄运保，李海艳，本文提出了一种基于点云数据主曲率计算的适应性移动最小二乘曲面重构方法。此方法在基于积分不变量的球体和球面邻域主分量分析基

Moving Least Squares（移动最小二乘Matlab源代码）

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

针对移动最小二乘算法在图像变形过程中,求解的线性方程组系数矩阵会出现不可逆、求解不稳定的问题,通过引入Tikhonov正则化,运用L-曲线法求解正则参数,对系数矩阵施加约束项从而得到精确解,避免病态方程组的形成;针对在实现图像变形过程中,定位特征点人工量大且特征点不足的问题,运用Dlib库自动提取68个覆盖人脸五官和轮廓的特征点。仿真实验结果表明,与原算法相比,提出的改进算法可以使图像产生清晰、准确的变形。

建立了一种基于移动最小二乘(Moving Least-Squares MLS)法的曲线曲 面拟合方法这种方法对传统的最小二乘(LS)法的作了比较大的改进使生成的曲线曲面具 有精度高光滑性好等许多优点详细介绍了移动最小二乘法的原理应用和特点并且给 出了使用移动最小二乘法进行曲线曲面拟合的程序设计流程最后给出了曲线拟合和空间散 乱数据曲面拟合算例将拟合结果与最小二乘拟合结果作了比较分析了MLS 拟合曲线曲 面的光滑性和拟合质量表明了该方法的优越性和有效性

DeepMLS：用于3D重建的深层隐式移动最小二乘函数 该存储库包含本文的实现： 用于3D重构的深层隐式移动最小二乘函数 世林刘，，，，。 如果您发现我们的代码或书面文件有用，请考虑引用 @inproceedings { Liu2021MLS , author = { Shi-Lin Liu, Hao-Xiang Guo, Hao Pan, Pengshuai Wang, Xin Tong, Yang Liu } , title = { Deep Implicit Moving Least-Squares Functions for 3D Reconstruction } , year = { 2021 } } 安装 首先，您必须确保所有相关性都到位。 最简单的方法是使用 。 您可以使用创建一个名为deep_mls的anaconda环境。 conda env create

源于清华大学出版社，张雄《无网格法》中的一维移动最小二乘近似的MATLAB程序

移动最小二乘增量式多视点云数据融合算法

通过移动的最小二乘法改变和自定义的控制点操作图片。Image Deformation Using Moving Least Squares 移动最小二乘法 图像变形（matlab实现）

代码是基于MATLAB的移动最小二乘法MLS的曲面拟合。代码是从mathworks上下载的MLS2D，经过自己的分析改进，有较大的提速，在i5 3450机上一幅98*144的图片以10等步长采样拟合只需要3s。代码仅供学习参考，我的博客有相关说明：https://blog.csdn.net/liumangmao1314/article/details/89421806