1) Laplacian Regularized Least Squares
拉普拉斯正则化最小二乘
2) Laplacian regularization
拉普拉斯正则化
3) regularized least squares
正则化最小二乘
1.
It is proposed a novel subspace learning method,called orthogonal locality preserving discriminant projection of regularized least squares.
提出一种新的子空间学习方法:正则化最小二乘的正交局部保持判别投影。
4) regularized orthogonal least squares
正则化正交最小二乘
5) Statistical Learning Theory
正则化最小二乘回归
1.
The Application of Regularized Least-Squares Regression to Time Series Model Based on Statistical Learning Theory;
基于统计学习理论的正则化最小二乘回归在时间序列建模和预测中的应用
6) regularized least-squares
正规化最小二乘
1.
In this dissertation, we present a robust recursive algorithm for the state estimation of stochastic singular linear systems subject to parameter uncertainties based on the regularized least-squares method.
对于具有参数不确定性的随机奇异线性系统的状态估计问题,本论文提出了一种基于正规化最小二乘法的鲁棒递归算法。
补充资料：非线性最小二乘拟合
分子式：
CAS号：
性质：用最小二乘法拟合非线性方程。有些变量之间的非线性模型，通过变量变换可以化为线性模型，此称为外在线性。而有些变量之间的非线性模型，通过变量变换不能化为线性模型，通称为内在非线性。对于非线性模型y=f(ξ,θ)+ε，其残差平方和。S(θ)是θ的函数，当模型关于θ是非线性的，正规方程关于θ也是非线性的。基于使残差平方和s(θ)达到极小的原理求出θ的估计值，拟合非线性回归方程。
CAS号：
性质：用最小二乘法拟合非线性方程。有些变量之间的非线性模型，通过变量变换可以化为线性模型，此称为外在线性。而有些变量之间的非线性模型，通过变量变换不能化为线性模型，通称为内在非线性。对于非线性模型y=f(ξ,θ)+ε，其残差平方和。S(θ)是θ的函数，当模型关于θ是非线性的，正规方程关于θ也是非线性的。基于使残差平方和s(θ)达到极小的原理求出θ的估计值，拟合非线性回归方程。
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