隨機抽樣一致
随机抽样一致算法（RANdom SAmple Consensus，RANSAC）是一种迭代方法，用于从一组包含异常值的观测数据中估计数学模型的参数，也可以被解释为一种异常值检测方法。RANSAC是一個非确定性算法，它會產生一個在一定概率下合理的結果，而迭代的次数增加会使这一概率上升。此RANSAC算法最初在1981年最初由Fischler和Bolles首次在国际斯坦福研究所上发表。 RANSAC的基本假設是 #「內群」（inlier，似…
标签：#統計演算法
共 2 篇文章
莱文伯格-马夸特方法
莱文伯格-马夸特方法（）能提供數非線性最小化（局部最小）的數值解。此演算法能藉由執行時修改參數達到結合高斯-牛顿算法以及梯度下降法的優點，並對兩者之不足作改善（比如高斯-牛顿算法之反矩陣不存在或是初始值離局部極小值太遠）。 問題描述 假設 f 是一個從 \real^m \rightarrow \real^n 的非线性映射，也就是說 \mathbf{P} \in \real^m 且 \mathbf{X} \in \real^n, 那麼: …