本文我們思考這樣一個問題:如何在一組逐點值的給定域上估計該域的一般函數(shù)?這種估計對于給定域上PDE數(shù)值的求解,根據(jù)掃描數(shù)據(jù)進行表面重建,或者理解采集到數(shù)據(jù)的數(shù)據(jù)結構都有所幫助。下面介紹幾種常見的最小二乘法:
一、全局最小二乘估計
為了解決多項式擬合中的未知系數(shù),我們構建如下的目標函數(shù):
然后我們可以寫個歸一化方程為:
用矩陣的形式表示為:
這個矩陣方程也可以直接用于計算系數(shù)向量 :或者在大型系統(tǒng)中使用迭代的方法。
圖1 全局最小二乘(實曲線)
二、全局加權最小二乘擬合
我們可以為每個數(shù)據(jù)值分配一個權重用于最小二乘擬合中,這樣我們將目標函數(shù)最小化為:
歸一化方程的解為:
三、加權局部最小二乘
在全局最小二乘擬合中,我們假設整個域中都可以用一個單一的多項式精確地描述數(shù)據(jù)所代表的函數(shù)。但是,對于大型、復雜的數(shù)據(jù)集,這將要求我們擬合出一個不理想的高階多項式,即便如此,這也不能捕獲數(shù)據(jù)的所有特征。所以,為了替代全局解決方案,我們嘗試通過對每個數(shù)據(jù)點 及其鄰域擬合出一個低階多項式來獲得更好的解決方案。因此,有 個最小二乘擬合的值 ,每個值都是點 的近似值并且每個點的系數(shù)向量 都不同。注意:不同于其它討論的方法,這不是一種公認的方法并且也不常見。它僅僅是為了我們更好的理解下一部分將要介紹的移動最小二乘法。
用通用的方法就可解決。
圖2 加權局部最小二乘擬合
四、移動最小二乘法
總結
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。
舉報投訴
-
3D
+關注
關注
9文章
2836瀏覽量
107015 -
函數(shù)
+關注
關注
3文章
4237瀏覽量
61973 -
PDE
+關注
關注
0文章
4瀏覽量
8311
原文標題:3D曲面重建之移動最小二乘法
文章出處:【微信號:3D視覺工坊,微信公眾號:3D視覺工坊】歡迎添加關注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
講講遞推最小二乘法是什么
,正好沉浸下來,好好填填坑吧。1、遞推最小二乘法最小二乘法最早由高斯在形體運動軌道報告研究工作中提出,此后稱為參數(shù)辨識理論的基石,被廣泛應用于系統(tǒng)辨識和參數(shù)估計之中,不得不感嘆數(shù)學家們的偉大,工程技術
發(fā)表于 08-27 07:15
淺析遞推最小二乘法
,正好沉浸下來,好好填填坑吧。1、遞推最小二乘法最小二乘法最早由高斯在形體運動軌道報告研究工作中提出,此后稱為參數(shù)辨識理論的基石,被廣泛應用于系統(tǒng)辨識和參數(shù)估計之中,不得不感嘆數(shù)學家們的偉大,工程技術
發(fā)表于 08-27 06:20
遞歸最小二乘法
一、遞歸最小二乘法遞推最小二乘法:當矩陣維數(shù)增加時,矩陣求逆運算計算量過大,而且不適合在線辨識。為了減少計算量,并且可以實時地辨識出動態(tài)系統(tǒng)的特性,可以將最小二乘法轉換成參數(shù)遞推的估計。取前N組數(shù)據(jù)
發(fā)表于 08-27 07:03
最小二乘法的原理是什么
在嵌入式的測量中可能存在某些無法被直接測量的變量,但可能可以通過幾個不同的數(shù)據(jù)指標運算處理得到,這里介紹最小而成發(fā),最小二乘法適用于描述Y = AX + B的數(shù)據(jù),即尋找到最合適的一條通過X描述Y
發(fā)表于 01-11 07:05
評論