版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、<p> 《計(jì)算方法》課程設(shè)計(jì)報(bào)告</p><p> 指導(dǎo)教師: 職稱: </p><p> 2013年12月30日</p><p> 學(xué)生姓名:學(xué) 號(hào):</p><p> 學(xué) 院:</p><p> 班 級(jí):</p><p> 題 目:勒讓德
2、多項(xiàng)式做</p><p> 最小二乘基函數(shù)的擬合方法</p><p><b> 目 錄</b></p><p><b> 目 錄I</b></p><p><b> 一、選題背景1</b></p><p> 1.1 最小二乘法的
3、歷史背景1</p><p> 1.2 最小二乘法的數(shù)學(xué)意義1</p><p> 1.3 最小二乘法的實(shí)際運(yùn)用1</p><p><b> 二、算法設(shè)計(jì)2</b></p><p> 2.1 勒讓德多項(xiàng)式及其遞推公式2</p><p> 2.2 最小二乘基函數(shù)擬合方法及其計(jì)
4、算2</p><p> 2.3 數(shù)據(jù)歸一化預(yù)處理3</p><p> 三、程序及功能說明4</p><p> 3.1 程序計(jì)算步驟4</p><p> 3.2 程序功能及用法4</p><p><b> 四、結(jié)果分析5</b></p><p>
5、 4.1 范例及計(jì)算結(jié)果5</p><p> 4.2 誤差分析11</p><p> 五、總結(jié)及心得體會(huì)12</p><p><b> 參考文獻(xiàn)13</b></p><p><b> 源程序14</b></p><p><b> 一、選題背景
6、</b></p><p> 1.1 最小二乘法的歷史背景</p><p> 關(guān)于最小二乘法的發(fā)明權(quán),在數(shù)學(xué)史的研究中尚未定論。有材料表明高斯和勒讓德分別獨(dú)立地提出這種方法。勒讓德是在1805年第一次公開發(fā)表關(guān)于最小二乘法的論文,這時(shí)高斯指出,他早在1795年之前就使用了這種方法。但數(shù)學(xué)史研究者只找到了高斯約在1803年之前使用了這種方法的證據(jù)。</p>&l
7、t;p> 1.2 最小二乘法的數(shù)學(xué)意義</p><p> 最小二乘法(又稱最小平方法)是一種數(shù)學(xué)優(yōu)化技術(shù),它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配,利用最小二乘法可以簡便地求得未知的數(shù)據(jù),并使得這些求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法還可用于曲線擬合,其他一些優(yōu)化問題也可通過最小化能量或最大化熵用最小二乘法來表達(dá)。</p><p> 在運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)、
8、逼近論和控制論中,最小二乘法都是很重要的求解方法。例如,它是統(tǒng)計(jì)學(xué)中估計(jì)回歸參數(shù)的最基本方法。</p><p> 1.3 最小二乘法的實(shí)際運(yùn)用</p><p> 在實(shí)際問題中,怎樣由測量的數(shù)據(jù)設(shè)計(jì)和確定“最貼近”的擬合曲線?關(guān)鍵在選擇適當(dāng)?shù)臄M合曲線類型,有時(shí)根據(jù)專業(yè)知識(shí)和工作經(jīng)驗(yàn)即可確定擬合曲線類型;在對(duì)擬合曲線一無所知的情況下,不妨先繪制數(shù)據(jù)的粗略圖形,或許從中觀測出擬合曲線的類型
9、;更一般地,對(duì)數(shù)據(jù)進(jìn)行多種曲線類型的擬合,并計(jì)算均方誤差,用數(shù)學(xué)實(shí)驗(yàn)的方法找出在最小二乘法意義下的誤差最小的擬合函數(shù)。</p><p><b> 二、算法設(shè)計(jì)</b></p><p> 2.1 勒讓德多項(xiàng)式及其遞推公式</p><p> 勒讓德多項(xiàng)式是由勒讓德方程的通解推導(dǎo)出來的,所以我們首先引入勒讓德方程,以及勒讓德方程的冪級(jí)數(shù)解,勒
10、讓德方程的表達(dá)式如下:</p><p> ,其中為非負(fù)實(shí)數(shù) (2.1)</p><p><b> 它的冪級(jí)數(shù)解如下:</b></p><p><b> ?。?.2)</b></p><p><b> 其中:</b></p><p><
11、b> ?。?.3)</b></p><p><b> ?。?.4)</b></p><p> 當(dāng)為非負(fù)整數(shù)時(shí),和中有一個(gè)是階勒讓德多項(xiàng)式,而另一個(gè)是無窮級(jí)數(shù),記作,稱為第二類勒讓德函數(shù),此時(shí)方程(2.1)通解為:</p><p><b> ?。?.5)</b></p><p>&
12、lt;b> 特別當(dāng)時(shí),得:</b></p><p> 推導(dǎo)可得出勒讓德多項(xiàng)式的遞推公式</p><p><b> ?。?.6)</b></p><p> 由,可以推出,由,可以推出,依次類推,理論上可迭代得到任意。</p><p> 2.2 最小二乘基函數(shù)擬合方法及其計(jì)算</p>
13、<p> 用最小二乘法求擬合曲線時(shí),首先確定擬合曲線函數(shù)的一般表達(dá)式,的一般表達(dá)式為</p><p><b> ?。?.7)</b></p><p> 若是k次多項(xiàng)式,就是n次多項(xiàng)式,為了使問題的提法更有一般性,通常在最小二乘法中考慮加權(quán)平方和</p><p> 這里是上的權(quán)函數(shù),它表示不同點(diǎn)處的數(shù)據(jù)比重不同。</p&g
14、t;<p> 用勒讓德多項(xiàng)式的線性組合作最小二乘曲線擬合,只要根據(jù)公式(2.6)逐步求的同時(shí),相應(yīng)計(jì)算出系數(shù)</p><p> 并逐步把累加到中去,最后就可得到所求的擬合曲線</p><p> 這里n可事先給定或在計(jì)算過程中根據(jù)誤差確定。</p><p> 用這種方法編程序不用解方程組,只用遞推公式,并且當(dāng)逼近次數(shù)增加一次時(shí),只要把程序中循環(huán)數(shù)
15、加1,其余不用改變。</p><p> 2.3 數(shù)據(jù)歸一化預(yù)處理</p><p> 為了減小誤差,我們對(duì)數(shù)據(jù)進(jìn)行歸一化預(yù)處理,數(shù)據(jù)歸一化方法主要有</p><p> 線性函數(shù)轉(zhuǎn)換,表達(dá)式如下:</p><p> 其中和分別為轉(zhuǎn)換前后的值,MaxValue、MinValue分別為樣本的最大值和最小值。</p><p
16、> 對(duì)數(shù)函數(shù)轉(zhuǎn)換,表達(dá)式如下:</p><p> 即以10為底的對(duì)數(shù)函數(shù)轉(zhuǎn)換。</p><p> 反余切函數(shù)轉(zhuǎn)換,表達(dá)式如下:</p><p> 經(jīng)過測試,我們決定采用線性函數(shù)轉(zhuǎn)換法。</p><p><b> 三、程序及功能說明</b></p><p> 3.1 程序計(jì)算步驟
17、</p><p><b> 開始</b></p><p><b> 數(shù)據(jù)歸一化</b></p><p> 迭代求出所需的勒讓德多項(xiàng)式</p><p> 迭代求出所需目標(biāo)函數(shù)的系數(shù)</p><p> 連接勒讓德多項(xiàng)式各項(xiàng)及對(duì)應(yīng)系數(shù)</p><p&g
18、t; 得到目標(biāo)函數(shù)式,計(jì)算各類誤差</p><p><b> 結(jié)束</b></p><p> 3.2 程序功能及用法</p><p> 給出的通用程序能夠按照不同次數(shù)要求分別構(gòu)造擬合函數(shù),并返回誤差數(shù)據(jù),具體用法為</p><p> >> [a,F,YY,ER,M,N]=Legendre(xx,y
19、y,w,n)</p><p> 表1 程序參數(shù)說明表</p><p><b> 四、結(jié)果分析</b></p><p> 4.1 范例及計(jì)算結(jié)果</p><p><b> 例1</b></p><p><b> >> x=1:5;</b&
20、gt;</p><p> >> y=[1,3.5,5,4,6];</p><p> >> w=ones(1,5);</p><p> >> [a,F,YY,ER,M,N]=Legendre(x,y,w,1)</p><p><b> a =</b></p><
21、;p> 3.9000 2.1000</p><p><b> F =</b></p><p> Inline function:</p><p> F(x) = x.*(2.1e1./1.0e1)+3.9e1./1.0e1</p><p><b> YY =</b></p
22、><p> 1.8000 2.8500 3.9000 4.9500 6.0000</p><p><b> ER =</b></p><p> -0.8000 0.6500 1.1000 -0.9500 0</p><p><b> M =</b
23、></p><p> -0.8000 0.1857 0.2200 -0.2375 0</p><p><b> N =</b></p><p><b> 3.1750</b></p><p> 表2 例1運(yùn)行結(jié)果統(tǒng)計(jì)表</p><p&
24、gt;<b> 圖1 例1運(yùn)行結(jié)果</b></p><p><b> 例2</b></p><p><b> a. 求2階導(dǎo)</b></p><p> >> f=inline('3*x^2+2*x+10');</p><p> >&g
25、t; for i=1:10</p><p> y(i)=f(i);</p><p><b> end</b></p><p> >> x=1:10;</p><p> >> w=ones(1,10);</p><p> >> [a,F,YY,ER,M,
26、N]=Legendre(x,y,w,2)</p><p><b> a =</b></p><p> 136.5000 157.5000 41.1440</p><p><b> F =</b></p><p> Inline function:</p><p>
27、; F(x) = x.*(3.15e2./2.0)+x.^2.*(9.650848959223365e15./1.40737488355328e14)+7.675163788406463e15./7.0368744177664e13</p><p><b> YY =</b></p><p> 20.1440 28.0533 42.7353 64.1
28、899 92.4172 127.4172 169.1899 217.7353 273.0533 335.1440</p><p><b> ER =</b></p><p> -5.1440 -2.0533 0.2647 1.8101 2.5828 2.5828 1.8101 0.2647 -2.0533
29、 -5.1440</p><p><b> M =</b></p><p> -0.3429 -0.0790 0.0062 0.0274 0.0272 0.0199 0.0106 0.0012 -0.0076 -0.0156</p><p><b> N =</b>&
30、lt;/p><p><b> 81.3891</b></p><p> 表3 例2求2階導(dǎo)運(yùn)行結(jié)果統(tǒng)計(jì)表</p><p> 圖2 例2求2階導(dǎo)運(yùn)行結(jié)果</p><p><b> b. 求3階導(dǎo)</b></p><p> >> [a,F,YY,ER,M,N]=
31、Legendre(x,y,w,3)</p><p><b> a =</b></p><p> 136.5000 157.5000 41.1440 37.4182</p><p><b> F =</b></p><p> Inline function:</p>&
32、lt;p> F(x) = x.*(3.643308318807231e16./2.81474976710656e14)+x.*(x.^2.*(5.0./3.0)-2.0./3.0).*(1.843152650233068e16./2.81474976710656e14)+x.^2.*(9.650848959223365e15./1.40737488355328e14)+7.675163788406463e15./7.036874
33、4177664e13</p><p><b> YY =</b></p><p> -17.2742 32.4846 63.8654 84.0539 100.2362 119.5982 149.3259 196.6052 268.6220 372.5623</p><p><b> ER =</b&
34、gt;</p><p> 32.2742 -6.4846 -20.8654 -18.0539 -5.2362 10.4018 21.6741 21.3948 2.3780 -42.5623</p><p><b> M =</b></p><p> 2.1516 -0.2494 -0.4852
35、-0.2735 -0.0551 0.0800 0.1267 0.0981 0.0088 -0.1290</p><p><b> N =</b></p><p> 4.7253e+003</p><p> 表4 例2求3階導(dǎo)運(yùn)行結(jié)果統(tǒng)計(jì)表</p><p> 圖3 例2求3階導(dǎo)運(yùn)行結(jié)
36、果</p><p><b> 例3</b></p><p> >> x=[1:11];</p><p> >> y=[30,40,50,35,25,20,44,67,83,95,100];</p><p> >> w=ones(1,11);</p><p&g
37、t; >> [a,F,YY,ER,M,N]=Legendre(x,y,w,3)</p><p><b> a =</b></p><p> 53.5455 34.1818 20.8741</p><p><b> F =</b></p><p> Inline func
38、tion:</p><p> F(x) = x.*(3.76e2./1.1e1)+x.^2.*(4.975e3./1.43e2)+5.667e3./1.43e2</p><p><b> YY =</b></p><p> 40.2378 34.5497 31.6448 31.5231 34.1846 39.6294
39、 47.8573 58.8685 72.6629 89.2406 108.6014</p><p><b> ER =</b></p><p> -10.2378 5.4503 18.3552 3.4769 -9.1846 -19.6294 -3.8573 8.1315 10.3371 5.7594 -
40、8.6014</p><p><b> M =</b></p><p> -0.3413 0.1363 0.3671 0.0993 -0.3674 -0.9815 -0.0877 0.1214 0.1245 0.0606 -0.0860</p><p><b> N =<
41、/b></p><p> 1.2482e+003</p><p> 表5 例3求3階導(dǎo)運(yùn)行結(jié)果統(tǒng)計(jì)表</p><p> 圖4 例3求3階導(dǎo)運(yùn)行結(jié)果</p><p><b> 例4</b></p><p><b> 求1階導(dǎo)</b></p><
42、;p> >> f=inline('5*x+4');</p><p><b> >> x=1:5;</b></p><p> >> y=f(x);</p><p> >> w=ones(1,5);</p><p> >> [a,F,
43、YY,ER,M,N]=Legendre(x,y,w,1)</p><p><b> a =</b></p><p><b> 19 10</b></p><p><b> F =</b></p><p> Inline function:</p>&
44、lt;p> F(x) = x.*1.0e1+1.9e1</p><p><b> YY =</b></p><p> 9 14 19 24 29</p><p><b> ER =</b></p><p> 0 0 0 0 0&
45、lt;/p><p><b> M =</b></p><p> 0 0 0 0 0</p><p><b> N =</b></p><p><b> 0</b></p><p> 表6 例4求1階導(dǎo)運(yùn)行結(jié)果統(tǒng)計(jì)表&
46、lt;/p><p> 圖5 例4求1階導(dǎo)運(yùn)行結(jié)果</p><p><b> 求2階導(dǎo)</b></p><p> >> [a,F,YY,ER,M,N]=Legendre(x,y,w,2)</p><p><b> a =</b></p><p> 19.000
47、0 10.0000 6.1622</p><p><b> F =</b></p><p> Inline function:</p><p> F(x) = x.*1.0e1+x.^2.*(3.8e2./3.7e1)+5.51e2./3.7e1</p><p><b> YY =</b
48、></p><p> 15.1622 12.4595 14.8919 22.4595 35.1622</p><p><b> ER =</b></p><p> -6.1622 1.5405 4.1081 1.5405 -6.1622</p><p><b>
49、 M =</b></p><p> -0.6847 0.1100 0.2162 0.0642 -0.2125</p><p><b> N =</b></p><p><b> 97.5676</b></p><p> 表7 例4求2階導(dǎo)運(yùn)行結(jié)果統(tǒng)計(jì)表&l
50、t;/p><p> 圖6 例4求2階導(dǎo)運(yùn)行結(jié)果</p><p><b> 4.2 誤差分析</b></p><p> 使用勒讓德多項(xiàng)式做最小二乘基函數(shù)的擬合方法,它的基本原理是可以根據(jù)遞推公式,來求得多項(xiàng)式的表達(dá)式,并且勒讓德多項(xiàng)式滿足正交性、奇偶性。由于這些性質(zhì),也進(jìn)一步的縮短了誤差。從之前的四個(gè)例題當(dāng)中可以明顯看出其相應(yīng)的絕對(duì)誤差、相對(duì)
51、誤差和平方誤差,并且當(dāng)取得點(diǎn)集較多時(shí)出現(xiàn)的誤差較大。</p><p><b> 五、總結(jié)及心得體會(huì)</b></p><p> 畢達(dá)哥拉斯曾經(jīng)說過:“萬物都是數(shù)”,可見數(shù)學(xué)在發(fā)展之初是蘊(yùn)含在生活之中的。而通過一學(xué)期的數(shù)值分析學(xué)習(xí),使我有很多感悟。其中我感悟最深的使數(shù)值分析是一門重視算法和原理的學(xué)科,它的內(nèi)容更接近于實(shí)際,像數(shù)值積分、數(shù)值微分,求解線性方程組的解等等,
52、使數(shù)學(xué)理論更加有實(shí)際意義。例如,以前從高等代數(shù)上學(xué)習(xí)矩陣,認(rèn)為無論多么復(fù)雜的矩陣,只要將它輸入計(jì)算機(jī)就會(huì)輕松搞定。學(xué)了數(shù)值分析才知道,對(duì)于有些矩陣這樣做會(huì)產(chǎn)生嚴(yán)重的誤差。顯然數(shù)值分析介紹的東西更接近生活、切合實(shí)際。但是我們要避免在不完全理解某個(gè)算法的情況下,就直接用這種算法解決問題,這樣就有些急功近利了。如果養(yǎng)成了這種習(xí)慣就會(huì)導(dǎo)致我們?cè)谔幚韺?shí)際問題是只會(huì)簡單的套用算法,處理完問題除了記住算法以外一點(diǎn)收貨都沒有。</p>&
53、lt;p> 隨著學(xué)習(xí)的深入,自己逐漸發(fā)現(xiàn)數(shù)值分析是博大精深的,想要把數(shù)值分析學(xué)好,就需要有很深的應(yīng)用數(shù)學(xué)的功底。很多定理、算法所蘊(yùn)含的絕不是簡單的推理而已,它是包含著很多數(shù)學(xué)家豐富的思想的,而且不僅僅是邏輯思想。西方很多數(shù)學(xué)家都是偉大的哲學(xué)家就是很好的明證。雖然我們現(xiàn)在無法真正理解這些思想,但我們不能忽略這些思想。我們不能滿足于能夠運(yùn)用定理而已,我們更要結(jié)合實(shí)際深刻的理解定理、算法,不斷地有意識(shí)的無意識(shí)的發(fā)現(xiàn)并接受定理、算法中蘊(yùn)
54、含的思想。不斷有意識(shí)無意識(shí)的將本已工具化的數(shù)學(xué)轉(zhuǎn)化為內(nèi)在的知識(shí),進(jìn)而真正讓數(shù)學(xué)幫助我們?nèi)轿坏某砷L。</p><p><b> 參考文獻(xiàn)</b></p><p> [1] 李慶揚(yáng),王能超,易大義.?dāng)?shù)值分析(第5版).北京:清華大學(xué)出版社,2008.</p><p> [2] 李海,鄧櫻.MATLAB程序設(shè)計(jì)教程.北京:高等教育出版社,20
55、02.</p><p><b> 源程序</b></p><p> function [a,F,YY,ER,M,N]=Legendre(xx,yy,w,n)</p><p> %xx為擬合的橫坐標(biāo)數(shù)據(jù)</p><p> %yy為擬合的縱坐標(biāo)數(shù)據(jù)</p><p> %w為權(quán)函數(shù),可為數(shù)據(jù)出
56、現(xiàn)的次數(shù)</p><p> %n為要擬合的最高次數(shù),最高次數(shù)小于橫坐標(biāo)個(gè)數(shù)</p><p> if n>=length(xx)</p><p> disp('n過大,超出規(guī)定');</p><p> a=0;F=0;ER=0;M=0;N=0;</p><p><b> retu
57、rn;</b></p><p><b> end</b></p><p><b> syms x;</b></p><p> xx=(xx*2-(max(xx)+min(xx)))/(max(xx)-min(xx));%歸一化到[-1,1]</p><p> p=cell(1,n
58、+1); %存放勒讓德多項(xiàng)式函數(shù)</p><p> a=zeros(1,n+1); %系數(shù)a1 a2 a3...</p><p><b> %求解勒讓德多項(xiàng)式</b></p><p> p(1)={1+0*x};</p><p><b> p(2)={x};</b></p>
59、;<p><b> for i=2:n</b></p><p> p(i+1)={((2*i+1)*x*p{i}-i*p{i-1})/(i+1)};</p><p><b> end</b></p><p><b> %求解系數(shù)a</b></p><p>
60、 for k=1:n+1</p><p><b> temp1=0;</b></p><p><b> temp2=0;</b></p><p> for i=1:length(xx)</p><p> temp1=temp1+(w(i)*yy(i)*polyval(sym2poly(p{
61、k}),xx(i)));</p><p> temp2=temp2+(w(i)*polyval(sym2poly(p{k}),xx(i))^2);</p><p><b> end</b></p><p> a(k)=temp1/temp2;</p><p><b> end</b><
62、/p><p><b> %求最終多項(xiàng)式</b></p><p><b> F=0;</b></p><p> for i=1:n+1</p><p> F=F+a(i)*p{i};</p><p><b> end</b></p>&
63、lt;p> F=inline(F);</p><p> plot(xx,yy,'-*');hold on;</p><p> YY=F(xx); %多項(xiàng)式在各數(shù)據(jù)的擬合值</p><p> plot(xx,YY,'-..');hold on;</p><p> xlabel('x
64、39;)</p><p> ylabel('y')</p><p> ER=yy-YY; %絕對(duì)誤差</p><p> M=ER./yy; %相對(duì)誤差</p><p> N=sum((yy-YY).^2); %平方誤差</p><p> %YY=YY';ER=ER';M=M
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于最小二乘支持向量機(jī)的var計(jì)算方法研究
- 數(shù)值計(jì)算課程設(shè)計(jì),擬合方法與擬合函數(shù)的選取
- 總體最小二乘擬合推估方法及其應(yīng)用研究.pdf
- vb計(jì)算程序課程設(shè)計(jì)--用最小二乘法求擬合曲線
- 隨機(jī)模型精化的點(diǎn)云整體最小二乘擬合方法研究.pdf
- 應(yīng)用多面函數(shù)最小二乘推估法計(jì)算gps高程
- 總體最小二乘精度評(píng)定方法研究.pdf
- 秩虧最小二乘問題求解方法的研究
- 最小二乘與最小二乘支撐向量機(jī).pdf
- 3900.深海聲層析最小二乘新息方法
- 秩虧最小二乘問題求解方法的研究.pdf
- 近似移動(dòng)最小二乘(AMLS)方法及其應(yīng)用.pdf
- 基于最小二乘擬合的數(shù)值分析方法在職物染色配色中的應(yīng)用研究.pdf
- 計(jì)算方法課程設(shè)計(jì)報(bào)告-- 數(shù)字圖像匹配
- 基于正交最小二乘的軟測量建模方法研究.pdf
- 最小二乘法擬合直線
- 幾類發(fā)展方程的最小二乘有限元方法.pdf
- 基于改進(jìn)偏最小二乘的過程監(jiān)測方法研究.pdf
- 基于偏最小二乘的迭代學(xué)習(xí)控制方法研究.pdf
- 關(guān)于加權(quán)最小二乘問題幾種迭代方法的比較.pdf
評(píng)論
0/150
提交評(píng)論