Levenberg | 您所在的位置:网站首页 › 正交距离回归pro和levenberg有什么区别 › Levenberg |
码字不易,转发请注明原文链接
在讲Levenberg-Marquardt算法之前我想先谈下牛顿法和高斯牛顿法。 牛顿法如果有一点数值计算知识的同学对牛顿迭代法并不陌生,先贴个经典例图来镇楼。 一般来说我们利用牛顿法来求f(x)=0的解。求解方法如下: 先对f(x)一阶泰勒展开: f ( x 0 + Δ ) = f ( x 0 ) + f ′ ( x 0 ) Δ = 0 ( 1 ) f(x_0+\Delta)=f(x_0)+f'(x_0)\Delta=0 (1) f(x0+Δ)=f(x0)+f′(x0)Δ=0 (1) 其中 Δ = x − x 0 \Delta=x-x_0 Δ=x−x0, 所以我们有 Δ = x − x 0 = − f ( x 0 ) f ′ ( x 0 ) , 即 x = x 0 − f ( x 0 ) f ′ ( x 0 ) ( 2 ) \Delta=x-x_0=-\frac{f(x_0)}{f'(x_0)},即x=x_0-\frac{f(x_0)}{f'(x_0)} (2) Δ=x−x0=−f′(x0)f(x0),即x=x0−f′(x0)f(x0) (2) 由式(2)可知,当 Δ \Delta Δ 非常小时,我们可将 f ( x ) = 0 f(x)=0 f(x)=0 的解析解近似于 x 0 x_0 x0。但是由上图可知 x 0 x_0 x0 是任意的初始值,所以可能会导致初始 Δ \Delta Δ 非常大,因此可采用牛顿迭代公式逐步逼近解析解: x n = x n − 1 − f ( x n − 1 ) f ′ ( x n − 1 ) , u n t i l ∣ x n − x n − 1 ∣ < ϵ ( 3 ) x_n=x_{n-1}-\frac{f(x_{n-1})}{f'(x_{n-1})} ,\ until\ \ |x_n-x_{n-1}|< \epsilon (3) xn=xn−1−f′(xn−1)f(xn−1), until ∣xn−xn−1∣ |
CopyRight 2018-2019 实验室设备网 版权所有 |