xrll  

2016年10月3日

二维直线回归(拟合)算法(二)
摘要： 三、高斯牛顿法(Gauss-Newton)，列文伯格-马奎尔特法(Levenberg-Marquardt) 下面是离散数据样本集的最小化函数，高斯牛顿算法就是通过迭代发现以下此函数的最小值: 依据高斯牛顿算法，对于直线函数，β为自变量参数矩阵[a,b]： δ为自变量a,b梯度矩阵, Jf为f(Xi, 阅读全文
posted @ 2016-10-03 15:46 Sam-Hsueh(薛瑞雷) 阅读(3110) 评论(0) 推荐(1) 编辑
 
Copyright © 2024 Sam-Hsueh(薛瑞雷)
Powered by .NET 9.0 on Kubernetes
博客园