热敏电阻网络非线性补偿的通用拟合算法

论述了一种通用的非线性数据拟合算法 ,这种算法常用于温度补偿热敏电阻网络的计算系统。与传统的算法比较 ,该方法需要的条件十分宽松 ,无需求解多元非线性方程组 ,所以推导过程简单 ,且收敛快     

基于小波函数的数据拟合方法

本把小波函数引入离散数据拟合领域，将小波函数与数据拟合的常用方法－最小二乘法相结合，给出了一种新型的数据拟合工具，中详细讨论了该方法的处理论和实施步骤，由于小波函数具有良好的局部性质，该方法在提高似合精度方面具有传统方法不可替代的优点。     

工程实验数据的非线性拟合方法

在EXCEL软件中,拟合非线性实验数据有4种方法。其中规划求解方法与随机抽样方法的最大优点是不要变换方程,且适合任何实验数据非线性拟合。规划求解方法最为简便,但精度相对要差,结果有时难以把握。后者加入了VBA混合编程,达到筛选与优化目的,提高了拟合精度。另2种方法为函数公式方法和回归分析方法,前者根据最小二乘法原理仅仅在电子表格中输入函数公式即可得到精度极高的拟合结果。后者利用了EXCEL自带的数学分析工具完成拟合,精度最高。但它们在应用之前,需要对实验数据进行多元多项式方程变换,对难于变换的非线性实验数据不适合。处理工程实验数据,掌握这4种非线性实验数据的拟合方法很有必要。     

一种基于分段逆模型的传感器非线性校正方法

为解决传感器非线性校正问题,提出一种基于分段逆模型的传感器非线性校正方法。通过对传感器特性数据进行变换和分段,在给定最大拟合误差和最大拟合阶次的情况下,得到传感器逆模型;逆模型作为补偿环节实现对传感器的非线性校正。该方法采用数据步长搜索策略和最小二乘法实现对传感器特性数据的分段,并能确定各数据段拟合函数的阶次和参数。热敏电阻非线性校正试验的结果证明了该方法的有效性。     

功放非线性特性及预失真模型研究

针对功率放大器的非线性特性问题进行研究,分别根据无记忆和有记忆两种类型的功放特性曲线用最小二乘法拟合出功放模型,根据线性化原则以及输出幅度限制和功率最大化约束,建立预失真模型.以误差函数和工程可实现性为评价指标,从不同模型中分别选出无记忆和有记忆最优模型.仿真测试表明被选取的多项式预失真模型能够有效的改善功率放大器的非线性具有较好的抗噪性,对工程实践中预失真器的设计具有一定的指导意义.     

材料力学应变实验的数据拟合方法研究

介绍了利用最小二乘法原理,根据不同的数学模型对材料力学实验的应变数据进行数据拟合的方法。     

基于IMF能量谱的水声信号特征提取与分类

经验模态分解（EMD）是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数（IMF）。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通过对水声信号进行经验模态分解,提取信号的本征模式分量并转换为能量谱特征向量,从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机（SVM）分类器进行。实验结果表明,相对于小波能量谱特征提取法而言,利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果,平均正确率达88%以上。     

光滑拟合模型的IIPBDR图像修复算法

目的 原始的破损区域分块划分的图像修复(IIPBDR)算法在修复连接两断裂边界线时,采用的是直线路径,这使得IIPBDR算法不适合修复含有较大曲率边界线的破损图像。针对IIPBDR算法所存在的问题,本研究希望找到一种方法能够求得任意两匹配好断裂边界线之间的光滑曲线路径,并用此曲线路径来代替IIPBDR算法中的直线路径,以对IIPBDR算法进行改进。方法 1) 通过模仿人类的视觉连通性原理提出了光滑拟合模型;2) 采用最小二乘法求取光滑拟合模型的各个参数,进而求得两断裂边界线之间的光滑曲线路径;3) 用该光滑曲线路径来代替IIPBDR算法中的直线路径以修复连接两断裂边界线。结果 基于以上研究,文中提出了“光滑拟合模型的IIPBDR图像修复算法”,并对破损区域较大、结构信息较复杂的破损图像进行了修复实验。和BSCB(Bertalmio, Sapiro, Caselles, Ballester)、Criminisi、IIPBDR算法相比,本文算法所修复图像的PSNR值平均提高2.40 dB,且具有较好的视觉连通性效果、其边界线过渡更加自然。结论 本文改进算法在一定程度上克服了IIPBDR算法不适合修复含有较大曲率边界线的破损图像的缺点。     

椭圆拟合的非线性最小二乘方法

为了在图像中确定椭圆目标精确的位置和边界,提出了一种基于非线性最小二乘的椭圆拟合方法。该方法在得到目标边界点的基础上,通过最小化拟合椭圆与边界点之间的欧氏距离,确定出由椭圆中心坐标、长半轴和短半轴长度、旋转角度共5个参数定义的椭圆,使得这一椭圆在非线性最小二乘意义下是最优的。在实际应用中,特别是人眼图像的瞳孔提取中,这种方法能够排除反光、睫毛、眼皮等的干扰,得到较为精确的瞳孔位置和边界。仿真实验和实际数据计算的结果表明,提出的方法有良好的准确性和鲁棒性。     

一种用于线性参数的l1数据拟合的新方法

采用l1范数准则函数对数据进行拟合的方法称为l1数据拟合.提出了当测量数据列中存在个别数据有较大测量误差时,采用l1准则函数进行数据拟合要优于二次性准则函数.通过建立l1准则函数与二次准则函数间的关系,讨论一种用于线性参数的l1数据拟合的新方法,并给出了相关的结论.     

使用二维EMD的红外和彩色可见光图像融合

针对红外和彩色可见光图像的融合,提出了一种基于二维经验模式分解（BEMD）的新的融合方法。源图像由BEMD分解成为本征模式函数集（IMFs）和残余;再将红外图像的IMFs和残余分别与对应可见光图像的IMFs和残余进行灰度范围匹配后,用加权平均方法进行融合;最后由BEMD重构成融合图像。用此法所得的融合图像增强了红外图像的细节并具有与可见光图像相似的自然色彩。实验中将此法与传统的小波变换方法和主成分分析方法进行了比较,还与经验模式分解（EMD）和复经验模式分解（CEMD）的方法进行了比较,实验结果都证明了该方法的融合效果最优。     

思维作业脑电的IMF能量熵特征提取与分类研究

提出了一种基于固有模态函数（Intrinsic Mode Function,IMF）能量熵的特征提取方法。对三类脑电思维信号分别进行了经验模态分解（Empirical Mode Decomposition,EMD）,并得到与其相对应的IMF。试验发现对于不同类别的信号,同阶的IMF能量的判别熵有明显的不同。而采用K-近邻分类器对三类脑电信号进行了分类,发现基于最佳特征向量选择的分类试验的平均正确识别率达75%以上。     

改进的BEMD在纹理图像检索中的应用

二维经验模式分解（BEMD）方法把图像分解成一组称为固有模式函数（IMF）和残差,广泛应用在纹理图像的检索中。对BEMD检索纹理图像进行改进,使用快速自适应二维经验模式分解（FABEMD）对纹理图像进行分解,创新性地利用广义伽马分布密度函数来对FABEMD分解出来的IMF系数进行建模,并利用Kullback-Leibler距离来计算两张纹理图像的相似性。实验结果表明,算法快速有效。     

基于VC++和Matcom混合编程的函数最佳拟合的确定

工程中对得到的实验数据进行拟合,常采用最小二乘法,拟合函数多采用代数多项式.但当多项式次数比较大时,会出现病态问题,从而导致计算结果误差增大,于是在拟合时应避免产生过高次数的多项式,就有必要确定次数较低的最佳拟合.针对基本初等函数,论述确定最佳拟合的方法,并结合VC 和Matcom混合编程,快速准确实现最佳拟合.通过分析实验结果,证明了方法的有效性.     

离散数据拟合模型的研究与实现

最小二乘支持向量机引入到离散数据拟合中,代替传统的最小二乘法解决离散数据拟合问题。推导了用于函数估计的最小二乘支持向量机算法,构建了基于最小二乘支持向量机的离散数据拟合模型,并对电机数据拟合进行了研究。结果表明,最小二乘支持向量机拟合离散数据比最小二乘法精度更高、拟合效果更好。     

三角函数曲线数据拟合最佳次数的确定

在实际问题中测得的实验数据有时需寻求简单函数逼近来分析,曲线拟合的最小二乘法在解决这类问题的数据处理和误差分析中应用非常广泛。为了便于说明这种方法的应用,根据最小二乘法原理,采用曲线拟合方法,运用Matlab仿真工具对三角函数实际特性曲线进行拟合,在分别采用3、5、7、9次多项式进行拟合实验的基础上,分析拟合实验效果,通过比较得出正弦函数特性曲线采用5次多项式拟合效果最佳,避免了人工处理数据的随意性,减小了误差。     

电容式降雨传感器及其特性曲线拟合方法

针对将电容式传感器应用于降雨测量时,特性曲线的非线性误差较大问题,分别采用最小二乘曲线拟合法和径向基函数(RBF)神经网络对其输出特性曲线进行拟合.结果表明:RBF神经网络模型具有更强的非线性映射能力,其拟合精度明显高于最小二乘多项式模型.     

基于BEMD和灰度共生矩阵的图像特征提取

提出了一种新的图像特征提取方法,用二维经验模式分解将图像分解到固有模态函数（Intrinsic Mode Functions,IMF）域,即将图像分解成一系列的IMF和一个残差。并结合灰度共生矩阵对所提取到的各IMF图像和残差图像进行特征提取。为了验证算法的有效性,将其推广到像素级,对合成纹理和遥感图像进行了特征提取,并结合核模糊聚类（KFCM）算法对提取的特征向量做聚类分析,实现了图像的有效分割。     

Matlab在化工数据及模型参数拟合中的应用

在化工研究中,经常需要将实验数据拟合为数学模型,以定量描述过程或现象自变量与因变量之间的关系,模型参数的求取,一般采用最小二乘法。本文介绍了Matlab语言中利用最小二乘法以求取模型参数的几种功能函数及使用方法,通过举例对单变量曲线拟合、多变量曲线拟合及微分形式拟合进行了介绍,说明Matlab语言可拟合大部分实验数据,达到节约数据处理的时间,提高模型参数精度的目的。     

GARCH非线性时间序列模型的网络流量预测

网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点,传统的ARMA模型在描述网络流量数据特性时有一定的局限性,从而影响网络流量预测的精度。针对这个问题,研究了使用广义自回归条件异方差模型(GARCH)对网络流量数据进行建模的方法,通过仿真实验表明,该模型可以较好地描述网络流量数据的异方差性,同时其预测精度较之传统的ARMA模型的预测精度也得到了大幅提升。