递归最小二乘滤波器

拓展递归最小二乘算法（输出噪声）用于估计随时间变化的传递函数参数，同时估算应用于系统输出的噪声特性。

线性最小二乘拟合采用多项式拟合，MATLAB 提供 polyfit 函数用于拟合 m 次多项式，返回系数向量 a。拟合后，可以使用 polyval 函数计算指定点的多项式值 y。

卡尔曼滤波器是一种反馈方法，最小化最小均方误差，特别适用于非线性最小二乘优化问题。这个函数提供了使用无迹卡尔曼滤波器解决非线性最小二乘优化问题的方法，涵盖了一般优化问题、神经网络模型中的非线性方程组解决以及神经网络训练问题的示例。你可以从这里下载无迹卡尔曼滤波器函数：链接。

基于Matlab语言实现的最小二乘影像匹配程序。

在Matlab中，递推最小二乘算法被广泛应用于参数估计、系统辨识和自适应控制领域。

本程序提供 PLS 偏最小二乘的 MATLAB 实现，支持单因变量和多因变量情况。

在进行到第十步时，识别参数基本稳定，系统输出与模型误差也趋于稳定。由于只有3个参数需识别，递推校正算法显示出良好的收敛性。

MATLAB论文设计：卡尔曼滤波与最小二乘滤波仿真实验，持续更新，促进学术交流。若不确定版块归属，请等待管理员移动。这些资料来源于学校教师，涵盖简单问题的解决方法。单篇论文和整体压缩包均有提供，以满足不同需求。以下为部分截图，如有需要，请留下邮箱联系。

灰色理论的最小二乘预测方法还蛮适合刚接触数学建模的你。思路清晰、推导也不复杂，用起来挺顺手的。你只要把方程组写成矩阵形式，再套个最小二乘估计，结果基本就出来了，效率还挺高的。 里面用到的灰色系统，其实就是拿有限的数据点，预测它后面的走势，适合数据不多但趋势的场景。比如疫情初期病例增长、产品初期销售量那种，建模效果还不错。 资源里头还有配套的MATLAB 源码，你直接上手试试就知道了，函数写得还挺清楚的，变量命名也比较直观。想理解更深点的，还可以看看支持向量机那一篇，建模方式不一样但也挺实用的。 如果你刚好在准备数学建模比赛，或者做个数据预测的小项目，这套方法用起来真挺方便。别忘了看看相关的几篇