搜索资源列表
-
0下载：
* 本算法用最小二乘法依据指定的M个基函数及N个已知数据进行曲线拟和
* 输入: m--已知数据点的个数M
* f--M维基函数向量
* n--已知数据点的个数N-1
* x--已知数据点第一坐标的N维列向量
* y--已知数据点第二坐标的N维列向量
* a--无用
* 输出: 函数返回值为曲线拟和的均方误差
* a为用基函数进行曲线拟和的系数,
* 即a[0]f[0]+a[1]f[1]+...+a[M]f[M].
-* The alg
-
-
0下载：
Explanation on the least square line fitting algorithm.
-
-
0下载：
最小均方误差（MMSE）的算法，利用最小二乘法进行拟合多元非线性方程，光纤无线通信系统中传输性能的研究。- Minimum mean square error (MMSE) algorithm, Multivariate least squares fitting method of nonlinear equations, Fiber Transmission wireless communication system performance.
-
-
0下载：
利用最小二乘法进行拟合多元非线性方程，微分方程组数值解方法，最小均方误差等算法的MSE的计算。- Multivariate least squares fitting method of nonlinear equations, Numerical solution of differential equations method, Minimum mean square error MSE calculation algorithm.
-
-
1下载：
切比雪夫 用切比雪夫多项式逼近已知函数
勒让德 用勒让德多项式逼近已知函数
帕德 用帕德形式的有理分式逼近已知函数
lmz 用列梅兹算法确定函数的最佳一致逼近多项式
ZJPF 求已知函数的最佳平方逼近多项式
方舟子 用傅立叶级数逼近已知的连续周期函数
事实上的部队 离散周期数据点的傅立叶逼近
SmartBJ 用自适应分段线性法逼近已知函数
SmartBJ 用自适应样条逼近（第一类）已知函数
multifit 离散试验数据点的多项式曲线拟合
LZXEC 离散
-
-
1下载：
通过最小二乘法进行平面拟合 平面拟合算法，鲁棒性非常好-Least square plane fitting algorithm
-
-
0下载：
最小二乘算法拟合多项式，最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。(Least square algorithm fitting polynomial)
-
