本次实验为使用LS-SVM预测，注意使用的为最小二乘方法，谢谢大家使用！另：本次实验为回归预测

源于清华大学出版社，张雄《无网格法》中的一维移动最小二乘近似的MATLAB程序

使用正规方程组的方法实现最小二乘： 1、 方程组Ax=b，其中A为m行n列的系数矩阵，其转置矩阵为n行m列的矩阵，使A的转置矩阵和A自身相乘可得到一个ｎ行ｎ列的系数矩阵，同时等号右侧也让A的转置矩阵和n维的向量b相乘，从而得到一个同解的新的方程组，假设新的方程组表示为A_T*A*x=A_T*b。 2、 得到的新的方程组可使用楚列斯基分解的方法求解。首先，使用楚列斯基分解将新方程组的系数矩阵A_T*A分解为一个下三角矩阵和其转置矩阵的乘积，然后依次利用前代和回代的方法，即可求解出新的方程组的解。 3、 由于转换后得到的新方程组与原方程组同解，所以得到的解即为最终所求解。

polyfit函数用于多项式拟合，拟合y=a0+a1*x+a2*x^2+……+apoly_n*x^poly_n 参数： /// \param x 观察值的x /// \param y 观察值的y /// \param poly_n 期望拟合的阶数，若poly_n=2，则y=a0+a1*x+a2*x^2 /// \param isSaveFitYs 拟合后的数据是否保存，默认是

一个DEM类，包括记录DEM的原点坐标、DEM格网间距、DEM格网大小、DEM高程等基本属性以及最小二乘配置的点云格网DEM内插程序。

最小二乘人脸识别程序-LSCFaceRecognition.m 本人初学模式识别，写的一个用最小二乘法进行人脸识别的小程序，分享下。继续努力中.... LSCFaceRecognition.m

Least-Squares-SIR-Example:使用最小二乘和scipy.optimize.minimize将基本SIR模型拟合到数据

整体最小二乘方法(TLS)以其同时考虑系数矩阵和观测值的误差而作为一种较新的平差方法出现。文中通过阐述整体最小二乘算法基本思想,然后对曲线方程进行线性化,最后结合实例详细解算并分析整体最小二乘在曲线拟合中的应用,验证了该方法的有效性和可行性。

直接可用，包括曲线估计，gcv估计，岭估计，适用于解决最小二乘中的过拟合问题。可以被用于参数识别，模态识别等多参数识别及优化问题

最小二乘支持向量机的编写程序，很值的大家参考，谢谢