排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
全最小二乘和全加权最小一乘准则下的空间直线拟合 总被引:2,自引:0,他引:2
讨论空间直线拟合问题,在使得点到空间直线距离平方和最小准则下,给出一种基于主成分分析的直线拟合方法,并且在使得空间点到直线加权距离和最小准则下,给出了拟合直线的优化方法.算法简单,在计算机上实现方便.最后,数值仿真验证了算法的有效性,并讨论了空间中圆周拟合问题. 相似文献
2.
系统地研究了船舶参-强激励动力学系统的稳定性.由于所讨论的系统模型为含有变系数的非线性微分方程模型,用构造李亚普诺夫函数的方法讨论该系统的稳定性非常困难,所以利用数值级数方法来讨论该系统的稳定性,并结合算例进行了论述.结果表明,该模型可得到横摇非线性动力学系统的近似解,并通过参数曲线得出了模型的稳定性和幅频响应特性. 相似文献
3.
4.
为克服传统提取数据集中线性结构的LGA对噪声数据比较敏感的缺陷,提出了两种基于稳健的全最小一乘准则下的LGA新算法。首先证明了全最小一乘准则下数据集最优划分的存在性,并据此给出一种有限步终止算法。其次为提高计算速度,根据k-means算法、全最小一乘准则和重抽样方法给出另一种快速收敛算法。通过与传统的LGA和基于Trimmed k-means思想的稳健LGA的比较,仿真结果表明提出的算法具有较好的稳健性,可以在离群数据较多的情形下,同时找出数据集合中的所有强线性结构。 相似文献
5.
6.
VB与MATLAB的完美结合——MatrixVB 总被引:6,自引:0,他引:6
介绍COM库MatrixVB在Visual Basic6.0中可以完全脱离MATLAB环境的应用。 相似文献
7.
8.
曹慧荣 《自动化技术与应用》2009,28(7):8-10
针对系统参数辨识中最小二乘估计的稳健性较差,给出稳健性较强的最小一乘的系统辨识方法。推导出了最小一乘回归系数的估计式,使用逐次逼近迭代的方法,构造迭代序列给出最小一乘回归系数的迭代算法。并把该算法应用于控制系统参数辨识中,与最小二乘辨识相比较,当模型的观测数据有测量噪声时,最小一乘回归系数的收敛性及数值稳定性较好。仿真结果验证了理论,显示了最小一乘辨识的优越性。 相似文献
9.
曹慧荣 《计算机工程与应用》2012,48(11):156-160
针对大规模数据集的线性结构提取问题,建立加权全最小一乘准则(WTALD)下的线性结构提取模型,给出了BIRCH-WTALD-LGA稳健线性结构提取新方法,数值模拟和在地震分布数据聚类分析中的应用说明该方法可以有效地提取大规模污染数据集中的线性结构。 相似文献
1