基于Newton迭代法的最小二乘渐进迭代逼近
最小二乘渐进迭代逼近(LSPIA)是一种有效的大规模数据拟合方法.针对LSPIA的加速问题,基于Newton迭代法,本文提出曲线曲面的两类最小二乘渐进迭代逼近格式.首先构造一个以控制顶点为变量的多元函数,其Hessian矩阵为正定矩阵,多元函数存在极小值,且其极小值所对应的控制顶点与LSPIA的收敛结果一致.对多元函数极小值问题,采用Newton迭代法进行求解.然后对Newton迭代格式中的Hessian矩阵和调整向量分别采用奇异值分解法和共轭梯度法求解,从而给出两种LSPIA迭代格式,分别记为NLSPIA和INLSPIA.最后给出两种迭代格式收敛性的理论证明.数值实例验证了文中方法的有效性和可行性,也表明了在相同条件下,NLSPIA与INLSPIA的收敛速度和计算时间都优于经典LSPIA.
渐进迭代逼近;最小二乘;Newton迭代法;奇异值分解;共轭梯度法
43
国家自然科学基金;国家自然科学基金
2022-03-25（万方平台首次上网日期，不代表论文的发表时间）
共24页
88-111
