搜索资源列表
householdqr
- 运用househoulder变换求解线性最小二乘问题，实现矩阵的QR分解-Transform househoulder use for solving linear least squares problem, the realization of the QR matrix decomposition
shuzhifenxi3
- 实验题目：曲线拟合的最小二乘法 相关知识：已知C[a,b]中函数f(x)的一组实验数据（xi,yi）（i=0,1,…,m），其中yi=f(xi)。设 是C[a,b]上线性无关函数族。在 中找函数f(x) 曲线拟合的最小二乘解 ，其法方程（组）为： 其中， k=0,1,…,n 特别是，求函数f(x) 曲线拟合的线性最小二乘解 的计算公式为： 数据结构：两个一维数组或一个二维数组 算法设计：（略） 编写代码：（略） 实验用例： 已知函数y
PLS
- 偏最小二乘回归提供一种多线性回归建模的方法，特别是当两组变量个数很多，且存在多重相关性时-A new method iS proposed to select the number of principal component of PLS in PLS regression principal component through analysis and partial least square as major mathematic tools
tracking_target
- 目标跟踪：对目标的运动建立较为简单的线性模型，并用最小二乘估计对其参量进行估计，从而推出目标轨迹。-Target-Tracking：the simulation of tracking target by linear least squares estimates on the Matlab platform.
hanshuubijin
- 用切比雪夫多项式逼近已知函数 用勒让德多项式逼近已知函数 用帕德形式的有理分式逼近已知函数 用列梅兹算法确定函数的最佳一致逼近多项式 求已知函数的最佳平方逼近多项式 用傅立叶级数逼近已知的连续周期函数 离散周期数据点的傅立叶逼近 用自适应分段线性法逼近已知函数 用自适应样条逼近（第一类）已知函数 离散试验数据点的多项式曲线拟合 离散试验数据点的线性最小二乘拟合 离散试验数据点的正交多项式最小二乘拟合 -By using Chebyshev poly
OFDM-channel-estimation-methods
- OFDM信道估计的几种方法的仿真，包括最小二乘(LS)法、最小均方误差(MMSE)法、线性最小均方误差(LMMSE)法以及奇异值（SVD）分解法等，毕设资料，非常珍贵-several OFDM channel estimation methods,which contains the least-squares (LS), the minimum mean square error (MMSE), the linear minimum mean square error (LMMSE) and
DSP_zuixiaoercheng
- 最小二乘窄带干扰消除。有用信号是一个点状目标，产生窄带干扰采样，产生高斯白噪声，设计一个M=100个系数的单步(D=1)线性预测器，再用得到的线性预测器来消除图中被干扰的信号x(n)中的噪声。-Least Squares narrowband interference cancellation. The useful signal is a target point, narrow-band interference is sampled Gaussian white noise, the de
NIPALS-Matlab
- 基于NIPALS算法的偏线性最小二乘(PLS)Matlab程序-NIPALS linear algorithm based on partial least squares (PLS) Matlab program
PLS
- 经典的偏线性最小二乘算法，可用于线性回归和故障诊断-Classical linear partial least squares algorithm can be used for linear regression and Troubleshooting
linear-regression
- 最小二乘法的实现，线性回归的系统辨识，通过最小二乘的方法辨识系统模型的参数-linear regression
wiener_filtering
- 在一定的约束条件下，其输出与一给定函数（通常称为期望输出）的差的平方达到最小，通过数学运算最终可变为一个托布利兹方程的求解问题。维纳滤波器又被称为最小二乘滤波器或最小平方滤波器，目前是基本的滤波方法之一。维纳滤波是利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法，1942年美国科学家N.维纳为解决对空射击的控制问题所建立，是40年代在线性滤波理论方面所取得的最重要的成果。-Under some constraint conditions, the output with a g
bangmun
- PLS部分最小二乘工具箱,用于特征降维，特征融合，相关分析等,雅克比迭代求解线性方程组课设。- PLS PLS toolbox, For feature reduction, feature fusion, correlation analysis, Jacobi iteration for solving linear equations class-based.
fangjai
- 线性调频脉冲压缩的Matlab程序,合成孔径雷达（SAR)目标成像仿真，PLS部分最小二乘工具箱。- LFM pulse compression of the Matlab program, Synthetic Aperture Radar (SAR) imaging simulation target, PLS PLS toolbox.
genjao
- 最小二乘回归分析算法，进行逐步线性回归，实现了图像的加水印，去噪，加噪声等功能。- Least-squares regression analysis algorithm, Stepwise linear regression, Realize image watermarking, de-noising, plus noise and other functions.
jangmai_v38
- 线性调频脉冲压缩的Matlab程序,PLS部分最小二乘工具箱,进行波形数据分析。- LFM pulse compression of the Matlab program, PLS PLS toolbox, Waveform data analysis.
jouban_v67
- 利用最小二乘法进行拟合多元非线性方程，PLS部分最小二乘工具箱,雅克比迭代求解线性方程组课设。- Multivariate least squares fitting method of nonlinear equations, PLS PLS toolbox, Jacobi iteration for solving linear equations class-based.
偏最小二乘回归的线性与非线性方法(书.王惠文)
- 偏最小二乘回归的线性与非线性方法，王惠文著。讲了偏最小二乘通径回归模型和递阶偏最小二乘回归模型。(Partial Least Squares Regression Linear and Nonlinear Methods, by Wang Huiwen. The partial least square path regression model and the hierarchical partial least-squares regression model are introduced.
llsf
- 常用的一些函数的拟合算法，包括多项式、指数、对数和幂函数等；可以设置截距、权重，不依赖第三方库，跨平台运行。(Commonly used function fitting algorithms, including polynomials, exponents, logarithms and power functions; intercepts can be set, weight, independent of third-party libraries, cross-platform op
1
- 最小二乘法的系统参数辨识函数，可以辨识任意的线性函数，效果比其他的一般的最小二乘法好(The system parameter identification function of least squares method can identify any linear function, and the effect is better than other ordinary least squares method.)
SEIR
- 一般的线性方程我们可以用最小二乘来解，一般的非线性方程我们可以用LM来解。 这里是线性微分方程组，所以我们采用最小二乘来解。 关键是构造出最小二乘形式，微分可以通过前后数据差分的方法来求。 不过这里还有一个技巧就是如果数据前后帧间隔过大，可以先插值，再对插值后的数据差分如果实际测量数据抖动过大导致插值后差分明显不能反映实际情况，可以先对数据平滑（拟合或是平均）再求差分。(We can use least squares to solve general linear equat