加权最小二乘法

最新推荐文章于 2024-08-02 11:17:36 发布

FranticPJ

最新推荐文章于 2024-08-02 11:17:36 发布

阅读量2.9w

点赞数 13

分类专栏：数学基础

本文链接：https://blog.csdn.net/qq_27251141/article/details/100892158

版权

数学基础专栏收录该内容

21 篇文章 13 订阅

订阅专栏

原理简介

最小二乘估计算法是 Gauss 于 1795 年为研究行星轨道问题而提出来的。这种算法的优点就是简单、易实现。但是常规的最小二乘算法估计精度并不高，原因主要在于没有考虑量测信息统计特性的优劣就直接使用了量测信息。如果采用加权的方法区分各量测信息的优劣，就可以大幅度的提高估计精度。加权最小二乘估计算法的思想是：对于精度较高的传感器，权重取的大些，而对于精度较低的传感器，权重就取的小些。
在这里插入图片描述

matlab权重函数

在这里插入图片描述

源码是网上的一个demo,大家凑合着理解

clear all;
close all;
clc;

a=2;b=2;c=-3;d=1;e=2;f=30;   %系数         
n=1:0.2:20;
x=repmat(n,96,1);
y=repmat(n',1,96);
z=a*x.^2+b*y.^2+c*x.*y+d*x+e*y +f;      %原始模型     
surf(x,y,z)

N=100;
ind=int8(rand(N,2)*95+1);

X=x(sub2ind(size(x),ind(:,1),ind(:,2)));
Y=y(sub2ind(size(y),ind(:,1),ind(:,2)));
Z=z(sub2ind(size(z),ind(:,1),ind(:,2)))+rand(N,1)*20;       %生成待拟合点，加个噪声

Z(1:10)=Z(1:10)+400;                    %加入离群点

hold on;
plot3(X,Y,Z,'o');

XX=[X.^2 Y.^2 X.*Y X Y ones(100,1)];
YY=Z;

C=inv(XX'*XX)*XX'*YY;                                          %最小二乘
z=C(1)*x.^2+C(2)*y.^2+C(3)*x.*y+C(4)*x+C(5)*y +C(6);           %拟合结果
Cm=C;
mesh(x,y,z)

z=C(1)*X.^2+C(2)*Y.^2+C(3)*X.*Y+C(4)*X+C(5)*Y +C(6);          
C0=C;
while 1
    r = z-Z;
    w = tanh(r)./r;                                             %权重函数
    W=diag(w);
        
    C=inv(XX'*W*XX)*XX'*W*YY;                                   %加权最小二乘
    z=C(1)*X.^2+C(2)*Y.^2+C(3)*X.*Y+C(4)*X+C(5)*Y +C(6);        %拟合结果

    if norm(C-C0)<1e-10
        break;
    end
    C0=C;
end

z=C(1)*x.^2+C(2)*y.^2+C(3)*x.*y+C(4)*x+C(5)*y +C(6);           %拟合结果
mesh(x,y,z)