1) least squares methods/minimum zone method
最小二乘法/最小区域评定
2) least-square evaluation
最小二乘评定
1.
The non-linear and non-differentiable evaluation model make it difficult to estimate the uncertainty of measurement results of spatial straightness least-square evaluation.
评定模型的非线性和不可微给空间直线度最小二乘评定结果不确定度的估计带来困难,由空间直线度最小二乘评定模型出发,参照ISO国际测量不确定度表示指南,对影响不确定度估计的一些因素加以简化,推导了不确定估计公式。
3) evaluation methods of least square cylinder
最小二乘圆柱评定法
4) time domain least squares method
时域最小二乘法
5) Constrained TLS
限定最小二乘法
6) Least squares method
最小二乘法
1.
Virtual boundary element least squares method for solving elastic coupling problem of different materials;
不同材料契合弹性力学问题的虚边界元最小二乘法
2.
Application to harmonics statistic with orthogonal polynomials series based on least squares method;
基于最小二乘法的正交多项式级数在谐波估计中的应用
3.
Watermarking Techniques Based on the Least Squares Method;
基于最小二乘法的数字水印方法
补充资料：最小二乘法
| 最小二乘法 least square，method of 科学实验和统计工作中常用的一种数据处理方法。由A.M.勒让德和C.F.高斯于19世纪初分别独立提出。例如要从一组实验数据（xi，yi）（i=1，2，…，m）中，寻找自变量x与因变量y之间的函数关系y=F（x）。由于观测数据往往不准确，因率不要求y=F（x）经过所有数据点，而只要求所在所有给定点xi上的偏差ri＝F（xi）－yi（i＝1，2，…，m）的平方和  达到最小。F（x）的函数类型往往与实验的物理背景以及数据的实际分布有关，它一般含有某些待定参数。如果F（x）是所有待定参数的线性函数，那么相应的问题称为线性最小二乘问题，否则称为非线性最小二乘问题。最小二乘法还是实验数据参数估计的重要工具。这是因为这种方法比其他方法更容易理解，即使在其他方法失效的情况下，用最小二乘法还能提供解答，而且从统计学的观点分析，用该方法求得各项估计具有最优统计特征，因此这一方法也是系统识别的重要基础。线性最小二乘问题可以借助多元微分学知识通过求解法方程组得到解答。求解非线性最小二乘问题比较困难，一般要用线性化方法或最优化方法才行。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条