APP下载

基于改进移动最小二乘法的数据拟合*

2021-03-26王红平

组合机床与自动化加工技术 2021年3期
关键词:方法

王红平,史 明

(长春理工大学机电工程学院机电一体化实验室,长春 130022)

0 引言

最小二乘(LS)方法在数据拟合中的应用最为广泛,其常用的基函数是多项式[1]、有理函数[2]、曲线拟合中的高斯样条、指数样条、平滑样条、B样条、非均匀有理B样条、Bezier曲面和曲面构造中的径向基函数。同时,LS的变形为递归最小二乘(RLS)、总最小二乘(TLS)、偏最小二乘(PLS)、加权最小二乘 (WLS)、广义最小二乘(GLS)[3]、等式约束最小二乘(LSE)。然而,所有基于LS的方法全部是全局逼近格式,不适用于数据量大、分布不规则和分布分散的情况。因此,在测量数据处理中,提出了一种局部逼近的移动最小二乘(MLS)方法。

Shepard在最低阶情形下引入移动最小二乘(MLS)作为逼近方法[4],Lancaster和Salkauskas将其推广到更高的程度[5]。目前,移动最小二乘(MLS)逼近应用越来越广泛,已用于几何模型的生成[6]、粒子电场的重构[7]和正则化回归中的学习性能[8]。MLS近似在文献中已有大量记载,并被许多学者用于工程实际问题的优化,如:Fu Fangyan等采用最小二乘粒子流体力学(MLSPH)方法求解Burgers方程[9],Hosseininia M等提出一种基于移动最小二乘(MLS)形状函数无网格方法提高了求解模型的精度[10]。MLS逼近不只应用于工程问题,在图像处理中也得到了大量应用。Hwang Y等提出一种具有空间约束的概率移动最小二乘法,用于图像之间的非线性颜色转移[11]。Yu Chong等基于运动积分最小二乘法进行轮廓图像的变形[12],在图形处理器上利用移动最小二乘法加速多维插值等[13]。

虽然MLS得到了大量的应用但仍有很大的提升空间,Bayona Victor进行了移动最小二乘法(MLS)与RBF+poly法两种无网格法对插值与导数逼近的比较,证明MLS在拟合高阶多项式时的局限[14]。……

登录APP查看全文

猜你喜欢

方法
中医特有的急救方法
高中数学教学改革的方法
化学反应多变幻 “虚拟”方法帮大忙
变快的方法
学习方法
用对方法才能瘦
最有效的简单方法
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼