混合总体最小二乘(mixed LS-TLS)合理地顾及了系数矩阵和观测向量误差，却没有考虑数据中可能存在的粗差。利用IGGII方案，提出一种稳健的混合总体最小二乘方法，并通过平面拟合进行验证。结合模拟数据和真实数据，通过与最小二乘(LS)、总体最小二乘(TLS)和混合总体最小二乘的对比分析，证实这种稳健混合总体最小二乘的平面拟合结果最为可靠。

针对输入输出观测数据均含有噪声的滤波问题，提出了一种稳定的总体最小二乘自适应算法。该算法以系统的增广权向量的瑞利商与增广权向量最后元素的约束项的和作为总损失函数，利用梯度最陡下降原理导出权向量的自适应迭代算法，并通过对算法稳定性的分析确定了算法中学习因子的取值范围。所提出的算法稳定，计算复杂度低，既没有平方根运算，也不需要标准化处理。仿真实验表明，该算法的收敛性能、鲁棒抗噪性能和稳态收敛精度均明显高于同类其他总体最小二乘算法。

最小二乘法高斯曲线拟合，基于最小二乘法拟合高斯曲线，(Least squares Gaussian curve fitting )

清华大学《过程辨识》为基础的教学课件，word格式

1、最小二乘辨识的基本概念 2、一般最小二乘辨识方法 3、加权最小二乘辨识方法 4、递推最小二乘参数辨识方法 5、处理有色噪声的最小二乘法 6、多变量最小二乘辨识方法 本章内容

经典算法matlab代码实现，经过测试，完全可用，用于计算机视觉的图像标定。

python最小二乘实现多项式拟合函数

基于递推最小二乘参数算法的锂电池参数辨识，适合学生及工程人员参考。

最小二乘算法的c程序，主要是针对现行拟合的情况

目录 1. 一般最小二乘法 3 1.1. 一次计算最小二乘算法 3 1.2. 递推最小二乘算法 3 2. 遗忘因子最小二乘算法 6 2.1. 一次计算法 6 2.2. 递推算法 6 3. 限定记忆最小二乘递推算法 9 4. 偏差补偿最小二乘法 11 5. 增广最小二乘法 13 6. 广义最小二乘法 15 7. 辅助变量法 17 8. 二步法 19 9. 多级最小二乘法 21 10. Yule-Walker辨识算法 23 Matlab程序附录 24 附录1、最小二乘一次计算法 24 附录2、最小二乘递推算法 25 附录3、遗忘因子最小二乘一次计算法 26 附录4、遗忘因子最小二乘递推算法 27 附录5、限定记忆最小二乘递推算法 29 附录6、偏差补偿最小二乘递推算法 31 附录7、增广最小二乘递推算法 32 附录8、广义最小二乘递推算法 34 附录9、辅助变量法 36 附录10、二步法 38 附录11、多级最小二乘法 39 附录12、Yule-Walker辨识算法 42