...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Computational and Applied Mathematics >A class of methods for fitting a curve or surface to data by minimizing the sum of squares of orthogonal distances
【24h】

A class of methods for fitting a curve or surface to data by minimizing the sum of squares of orthogonal distances

机译：通过最小化正交距离的平方和来将曲线或曲面拟合到数据的一类方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Given a family of curves or surfaces in R~s, an important problem is that of finding a member of the family which gives a "best" fit to m given data points. A criterion which is relevant to many application areas is orthogonal distance regression, where the sum of squares of the orthogonal distances from the data points to the surface is minimized. For certain types of fitting problem, attention has recently focussed on the use of an iteration process which forces orthogonality to hold at every iteration and uses steps of Gauss-Newton type. Within this framework a number of different methods has recently emerged, and the purpose of this paper is to place these methods into a unified framework and to make some comparisons.
机译：给定一个以Rs为单位的曲线或曲面族，一个重要的问题是找到该族的一个成员，该成员对m个给定的数据点具有“最佳”拟合。与许多应用领域相关的标准是正交距离回归，其中从数据点到表面的正交距离的平方和最小。对于某些类型的拟合问题，最近的注意力集中在迭代过程的使用上，该过程强制正交性在每次迭代中都保持不变，并使用高斯-牛顿类型的步骤。在此框架内，最近出现了许多不同的方法，并且本文的目的是将这些方法放入一个统一的框架中并进行一些比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号