最小二乘法在直线矢量化技术中的应用

由于在计算机中图象的存储和显示常常都是以离散的点阵方式进行的，因而给直线的识别速来了很大的困难。本文采用最小二乘法进行参数估计，以提取模式的特征，得到了比较简单的直线矢量化算法，该算法较好的克服了矢量化算法中存在的短线和畸变的缺陷。     

关于最小二乘法的参数估计问题探讨

数学建模中经常要用最小二乘法进行参数估计,本文介绍了用最小二乘法进行参数估计的原理,以及在计算机上如何估计参数.     

整体最小二乘法直线拟合

针对在直线拟合中,因变量选取不同拟合的结果有差异现象,提出采用整体最小二乘法进行直线拟合。文章在分析直线方程特点的基础上,采用EIV模型描述直线方程,在解算中根据系数矩阵的特点应用QR分解分为将方程两部分,采用了混合最小二乘法求解。理论分析和实际计算结果表明,整体最小二乘法顾及了因变量和自变量的误差。拟合精度高于普通最小二乘法,采用整体最小二乘拟合直线,整体上优于普通最小二乘法。     

关于最小二乘法的参数估计问题探讨

数学建模中经常要用最小二乘法进行参数估计,本文介绍了用最小二乘法进行参数估计的原理,以及在计算机上如何估计参数.     

最小二乘法原理及其简单应用

最小二乘法是从误差拟合角度对回归模型进行参数估计或系统辨识,并在参数估计、系统辨识以及预测、预报等众多领域中得到极为广泛的应用。然而,最小二乘法因其抽象、难懂常常被大家所忽视。本文就最小二乘法的引入,原理的证明,简单的应用进行归纳和总结,使读者对最小二乘法有更为清晰、系统、全面地认识。     

最小二乘法在测配色中的应用

尝试用最小二乘法求解测配色过程中的K／S—℃曲线拟合问题和测配色中的初始理论浓度配方问题，并通过实验证明此算法求解出的理论值与真宾值之间的色差值是很小的。     

正交最小二乘算法及其应用

介绍了正交最小二乘法的算法原理，同经典的最小二乘法相比，其数值稳定性好、计算量小，能节省大量存贮空间。应用了Ｈｏｕｓｅｈｏｌｄｅｒ变换、Ｇｉｖｅｎｓ变换和它的逆变换３种算法。根据残差矢量最小准则，将该法用于ＡＲＭＡ模型结构辨识和时变ＡＲ模型参数估计，取得了满意的仿真结果。     

最小二乘法原理在桥梁检测中的应用

随着公路大规模建设的开展,桥梁数量迅猛增长,由于使用荷载、环境因素以及结构本身缺陷等的作用,致使桥梁出现了使用性能衰退、结构安全等一系列问题。这就引出了如何对桥梁后期检测、维护的问题。处理的方法有多种,在此介绍一种简单实用的方法——最小二乘法及它在EXCEL程序中的应用。     

用最小二乘直线法求取直线度误差

通过与两端点直线法和最小区域法对比的方法,利用最小二乘原理,介绍了采用最小二乘直线法求取直线度误差的方法,并对最小二乘直线法求取直线度误差的可行性进行了探讨.     

最小二乘与最小一乘

最小二乘与最小一乘是回归分析中两个重要的估计方法,在这篇文章中,我们将通过线性回归给出它们的定义,并给出它们的优缺点,希望能为使用者提供方便。     

混合系数线性模型参数的新估计与LS估计的比较

混合系数线性模型在连续测量数据的情况下，给出了固定系数a和随机系数期望b的一种新估计．在均方误差的意义下，证明了混合系数线性模型参数的新估计优于最小二乘估计（LS估计），并给予了应用举例．     

用最小二乘法验证薄透镜成像公式

用最小二乘法对应用物距像距法测透镜焦距实验的数据进行处理,较准确地得到透镜的焦距,同时验证了薄透镜成像的高斯公式。     

最小二乘法原理在既有线测量中的应用

在新建铁路的设计中必然会遇到设计线以一定的线间距并行既有线接入既有车站的情况。这就引入了既有线测量和恢复的问题。处理的方法有多种,在此介绍一种简单实用的方法—最小二乘法及它在EXCEL程序中的应用。     

最小二乘法及其应用

探讨了最小二乘法的基本原理、几何解释、线性拟合和若干非线性拟合及其在物理、化学等学科中的应用。     

最小二乘法及其应用

探讨了最小二乘法的基本原理、几何解释、线性拟合和若干非线性拟合及其在物理、化学等学科中的应用。     

CMOS电路平均功耗最小平方估计技术

功耗估计是数字VLSI设计中需要重点考虑的因数。由于芯片管腿数的增加，通过穷举仿真获得电路平均功耗的方法也越来越不现实。文中将最小平方估计方法应用于COMS VLSI的平增功耗估计。该方法与电路功耗的概率分布无关，而且是无偏估计。在ISCAS85基准电路上的仿真结果表明，新方法与Monte Carlo方法相比，收敛速度有很大提高。     

论最小二乘圆参数的算式

近来有人对最小二乘圆的参数,提出精确算式:a=1/n∑x_i,b=1/n∑y_i,R=1/n∑((x_i-a)~2+(y_i-b)~2)~(1/2)笔者按最小二乘原理推证:此式不能精确得到,并论证了此式的错误原因.