一种用于非线性参数的l_1数据拟合的新方法

采用l1 范数准则函数对测试数据进行数据拟合的方法 ,称为l1 数据拟合。本文讨论了一种用于非线性参数的l1 数据拟合的新方法 ,其算法采用递推形式 ,具有概念清晰、易于偏程的特点。计算结果表明 。

基于Gauss-Newton法的L_1数据拟合

在数据拟合中 ,当个别数据存在较大测量误差时 ,采用 L1 准则对数据进行拟合要优于最小二乘准则。本文通过建立 L1 准则与最小二乘准则之间的关系 ,给出了一种基于 Gauss- Newton法的L1 数据拟合算法。计算结果表明 ,该方法易于理解 ,便于编程 ,具有一定的理论意义和现实意义。

线性L_1数据拟合问题的熵函数法

本文就线性 L1数据拟合问题证明了熵函数的收敛性 ,并提出用之求解一类不可微优化问题。同时又说明了此方法当逼近参数较大时会产生数值病态 。

l_1数据拟合及其在动态测试数据处理中的应用

在动态测试数据处理中 ,常常要进行稳健回归分析。本文在Gauss-Newton法的基础上推导了一种用于l1 数据拟合的算法。通过对l1 准则的改造 ,建立了l1 准则和二次准则之间的关系。计算结果表明 ,本文算法结构简单。