10.4最小二乘优化问题
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
10.4 最小二乘优化问题非线性最小二乘优化问题,简称LS (Least Sqaures ) 问题,它的标准形式如下:
2
1min ()(), m
n i i F x r x r r x R m n =′==∈≤∑其中称为剩余量,某些为非线性函数。
))'(,),(),(()(21x r x r x r x r r m "==)(x r i 最小二乘问题可以用无约束方法解,然而,由于它的目标函数的特殊结构,可以对某些方法进行改造,使之更简单或更有效。在MATLAB 中,最小二乘问题的求解可由函数lsqnonlin 进行
10.4.2 lsqcurvefit
◆[beta,norm]=lsqcurvefit ('fun',beta0,xdata,ydata)以beta0为初值寻找非线性方程fun(beta,x)对数据ydata 的最小二乘最佳系数beta 。fun 为计算以beta 和xdata 为参数的函数,norm 返回误差平方和。◆beta=lsqcurvefit ('fun',beta0,xdata,ydata,lb,lu)lb 、ub 给出设计变量边界约束的上下界,即lb ≤x ≤ub 。
1.函数介绍
●lsqcurvefit 解非线性最小二乘问题。
lsqcurvefit 解决形如下式的问题:
min sum{(fun (beta,xdata )-ydata).^2}
x 其中fun 、xdata 和ydata 为向量, beta 是参数向量
2.函数说明