基于MCM的多项式最小二乘法拟合的不确定度评定

通过利用仪器校准证书中的校准结果内容,可以从中得到测量值对应的修正值。为了获得任意测量值的修正数据,采用多项式最小二乘法进行拟合是一种常用手段。在研究拟合后修正值的不确定度的评定时发现,测量值的扩展不确定度会对其评定产生较大的影响。本文基于蒙特卡洛法(CMC法),对多项式最小二乘法拟合的修正值进行不确定度评定,通过利用Python编程实现MCM法评定其不确定度的步骤,获得不确定度结果。因此,MCM法在评定多项式最小二乘法修正值拟合的不确定度评定提供一定的技术参考。

基于幂加权最小二乘拟合的红外相机辐射定标方法

分析了现有线性度计算方法的不足,提出基于偏差/测量值的新线性度评价方式,通过该方式最小二乘拟合的低端温度偏差比高端大一个数量级,并采用加权拟合提高系统响应线性度。在分析不同光谱的温度和辐亮度拟合函数基础上,提出一种基于辐亮度倒数幂加权最小二乘线性拟合的地面和星上辐射定标方法,确认最佳权重幂次,建立了幂次n=1的加权最小二乘拟合外黑体线性定标方程、内黑体线性定标方程、内外黑体辐亮度转换模型。针对星上内黑体高精度两点定标建立了基于加权最小二乘拟合内外黑体辐亮度转换模型;针对星上黑体发射率退化提出了基于恒星定标的红外相机星上内黑体辐亮度定标修正方法,建立了外黑体辐亮度、内黑体辐亮度和恒星辐亮度转换模型。采用加权线性拟合后,积分时间10 ms的低温端外黑体反演偏差由1.63 K下降到0.52 K,内黑体偏差反演温度偏差由0.83 K下降到0.39 K,系统响应线性度明显提升。

基于最小二乘的椭圆拟合及其FPGA实现

针对现有的基于FPGA平台实现的最小二乘椭圆拟合算法中线性方程求解输出时延较大的问题,采用Cholesky分解法解线性方程,并对Cholesky分解中的平方根求解,运用单向旋转、合并迭代、迭代次数可调等手段,提出了一种基于CORDIC算法的迭代自适应的平方根求解结构。实验结果表明,改进的平方根求解算法对缩短Cholesky分解输出时延有良好的效果,Cholesky分解在FPGA平台相较于现有的LDLT分解法实现63.26%的速度提升;椭圆拟合算法在保证输出绝对误差小于0.1 pixel的情况下,FPGA平台相对于计算机软件实现了1000倍以上的速度提升,适合实时性要求较高的应用场合。

基于最小二乘法拟合平面的激光平面度检测

为了实现激光投射线平面度的在线检测,提出一种基于最小二乘法拟合平面的激光平面度检测方法。首先运用平行光管搭配CCD工业相机采集不同方向上的激光投射线图像,并使用骨架提取、中值滤波等图像处理方法,将得到的激光线有效像素点转化为三维点云坐标。然后使用最小二乘法拟合测量的激光线水平面的平面度,提出平面度的计算方法,并且模拟激光线偏差角度为的水平面的平面度作为检测标准。实验验证本算法的一致性与准确度,该方法的提出增加了当前行业内激光头质量检测的标准,同时对比传统激光头质量检测,提高了检测准确性,减少了操作难度,在耗时上也减少了75%。作为一种高效可靠的检测手段,该方法在激光头生产与激光投线仪组装领域具有广泛的应用前景和参考价值。

非线性模型的抗差最小二乘法及其在圆心拟合中的应用

在抗差最小二乘法及其一种具体实现方案“三步抗差方案”的基础上,对抗差最小二乘法在非线性模型中的使用进行了详细的探讨,并在圆心拟合问题中加以应用。非线性化模型的“三步抗差方案”在算法复杂度上相比线性模型大大提高,本文厘清非线性模型的“三步抗差方案”并加以编码实现。最后在圆心拟合问题中,使用“三步抗差方案”,验证算法的可行性。为了进一步验证“三步抗差方案”的可靠性,本文使用程序生成大量,带有指定数量粗差的测试数据,并用“三步抗差方案”进行拟合。测试结果表明,“三步抗差方案”可靠性非常高,适应性非常强,崩溃污染率高达50%,非常适于在工程测量中推广使用。

利用最小二乘法拟合直线进行原点修正的方法探讨

针对马歇尔稳定度试验和低温小梁弯曲试验数据处理过程中不进行原点修正造成变形值偏大、计算结果不准确的问题,在曲线拐点向前选取5个点作为拟合数据,采用最小二乘法拟合直线作为修正切线进行原点修正。计算结果表明:该方法进行原点修正是合理的,能够使试验数据处理不受人为因素影响,有效减小总误差。

基于整体最小二乘法的点云线性拟合及比对方法研究

为解决建筑测绘领域点云数据矢量转化及比对方式的缺失,以某大型展馆X展厅为测试数据,基于整体最小二乘法对点云数据进行线性拟合,采用拟合优度及显著性检验对拟合成果的可靠性进行校核,结果展示出良好的拟合效果。随后以Geomagic Control软件作为比对平台,通过最佳拟合、3D比较、2D比较等流程,形成专业的定制报告,上述形成一套完整的点云线性拟合及比对方法,为今后类似的项目提供参考借鉴。

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。

基于最小二乘法的椭圆拟合改进算法

基于最小二乘法研究了一种改进的椭圆拟合算法.最小二乘椭圆拟合算法,由于包含误差较大样本点在内的所有样本点都参与运算,所以会对椭圆拟合的最后结果产生偏差.针对这种情况,采用随机理论的思想,先随机选取6个点拟合椭圆,然后计算与此椭圆匹配的所有样本点个数.重复此过程一定次数,采用投票机制,匹配样本点多的椭圆即为最优椭圆,构造了一种快速准确剔除误差较大样本点的改进椭圆拟合算法,并在实际图像应用中验证了算法能够有效地处理包含有较大比例误差点的样本空间,拟合出具有高精度的椭圆,并且算法的速度能够满足实时性的要求.

最小二乘法拟合大气激光雷达回波信号估算消光系数边界值

报道了一种使用最小二乘法拟合大气激光雷达回波信号,计算消光系数边界值的算法。对于无云层天气条件,利用最小二乘法对回波信号全程拟合获得大气消光系数边界值,在有云层天气下,先将激光雷达信号在大气中的传输光路分解为云层区和非云层区,忽略回波信号中的云层信息,并假设在非云层区大气近似均匀,利用最小二乘法拟合获得大气消光系数边界值。最后利用消光系数边界值求解激光雷达方程,反演获得大气消光系数。实际计算证明,用此算法可获得与实际更为接近的大气消光系数反演结果。

基于最小二乘法的天线变形反射面的拟合

面天线变形反射面表达式的确立是计算其电性能的重要基础 ,提出的拟合方法就是用来精确确定变形反射面的数学方程的。其基本原理是通过分析天线结构 ,根据反射面节点位移 ,最小化整个曲面上采样型值点的轴向误差的均方根 ,从而求出用来确定变形抛物面几何位置的 6个参数 ,同时也就得到了基于最小二乘法的变形反射面方程。该拟合方法简单实用 ,易于程序实现 ,能够对天线机械结构设计人员提供了理论指导与帮助。

最小二乘法分段直线拟合

曲线拟合是图像分析中非常重要的描述符号。最常用的曲线拟合方法是最小二乘法,然而一般的最小二乘法有一定的局限性,已经有不少学者对其进行了一些改进。进一步对最小二乘法进行改进,提出一种新的分段直线拟合算法来代替多项式曲线拟合,以达到简化数学模型的建立和减少计算的目的,使其能够更好地对点序列进行拟合。

基于加权总体最小二乘法的GPS高程拟合

在GPS高程拟合中,针对传统最小二乘方法不能解决系数矩阵存在误差的问题,提出了一种基于加权总体最小二乘的拟合方法。对平面和二次曲面多项式建立更加合理的拟合模型,并给出了相应的迭代算法。实例计算表明,加权最小二乘方法能够得到更好的估计参数,高程异常值拟合精度也相应提高。

基于乘积型最小二乘法的传感器特性拟合

本文提出一种基于乘积型最小二乘法的传感器特性拟合方法 ,模型参数反映传感器非线性特性和漂移特性。这种方法具有计算量小 ,适于便携式仪表的软件补偿 ,应用实践表明 :这种方法是切实可行的。

基于最小二乘法的分段三次曲线拟合方法研究

多项式曲线拟合是一种较常用的数据处理方法,但当数据点较多时,只采用一种多项式曲线函数拟合所有数据点难以取得较好的拟合效果。针对传统分段曲线拟合方法中对数据点分段时经验成分较多的不足,提出了一种基于最小二乘法原理的分段三次曲线拟合方法。建立了三次拟合曲线方程,通过实际数据的检验,验证了该方法的拟合效果。

利用移动最小二乘法进行深度图像曲面拟合

针对已有的对曲面进行局部拟合方法中窗口半径选取难的问题,提出了一种使用移动最小二乘法进行全局曲面拟合的新方法。该方法充分利用最小二乘法形函数多阶连续的特点,能够保持在较高拟合精度的前提下获得深度图像曲面多阶连续的拟合结果,这种拟合结果为计算深度图像的曲面特性提供了便利。利用真实的深度图像进行数值实验,计算结果说明了该方法的有效性。

基于VB语言实现最小二乘法直线拟合

阐述了最小二乘法原理,利用Visual Basic语言实现对试验数据的最小二乘法计算,可以迅速得直线参数和相关系数。

模型系数的最小二乘法拟合

本文采用最小二乘拟合方法，对直接由工业电炉测得的非参数模型系数进行数据平滑，并给出程序框图和应用效果比较。

基于最小二乘法的自动分段多项式曲线拟合方法研究

针对传统的分段曲线拟合方法在选择拟合函数和确定分段区间时经验成分较多的不足,提出一种自动分段多项式曲线拟合方法,根据误差方差和误差均值,自动确定经验函数和分段区间。通过实际数据的检验,验证了该方法的拟合效果。

基于移动最小二乘法的曲线曲面拟合

建立了一种基于移动最小二乘(MovingLeast-Squares,MLS)法的曲线曲面拟合方法。这种方法对传统的最小二乘(LS)法的作了比较大的改进,使生成的曲线曲面具有精度高、光滑性好等许多优点。详细介绍了移动最小二乘法的原理、应用和特点,并且给出了使用移动最小二乘法进行曲线曲面拟合的程序设计流程。最后给出了曲线拟合和空间散乱数据曲面拟合算例,将拟合结果与最小二乘拟合结果作了比较,分析了MLS拟合曲线曲面的光滑性和拟合质量,表明了该方法的优越性和有效性。