Java教程

高斯牛顿法

本文主要是介绍高斯牛顿法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、介绍

        高斯-牛顿迭代法(Gauss-Newton iteration method)是非线性回归模型中求回归参数进行最小二乘的一种迭代方法，该法使用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代，多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳回归系数，最后使原模型的残差平方和达到最小。

        有时候为了拟合数据，比如根据重投影误差求相机位姿(R,T为方程系数)，常常将求解模型转化为非线性最小二乘问题。高斯牛顿法正是用于解决非线性最小二乘问题，达到数据拟合、参数估计和函数估计的目的。

        高斯牛顿法是解决非线性最小二乘问题的最基本方法，并且它只能处理二次函数。

二、高斯牛顿法

这篇关于高斯牛顿法的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
栏目导航