目录：

师大云端怎么搜索XX

福州大学数字媒体

单片机原理及应用毕业XX

XXtlab拟合误差分析

师大云端怎么搜索XX

1、【摘要】二十一世纪以来,国内外XXXX事件频繁发生,公共安全问题日益突出,身份识别技术在安全领域发挥着越来越重要的作用。传统的身份识别采用口令、磁卡、XX等方法,存在易丢失、遗忘、窃取等缺点,不能满足人们的需求,于是人们将目光转向生物识别技术。作为其中的代表,人脸识别技术因其特有优势,如无侵犯性、成本低等,在安全监控、身份认证、出入境管理、XX照片检索等领域取得越来越广泛的作用。同时人脸识别技术是 […]

福州大学数字媒体

1、福州大学配电网及其自动化研究中心长期致力于电力配电网监测、控制与保护新技术的研究与应用；结合人工智能技术、大数据分析技术、电力电子功率变换技术和智能优化调控技术，在电力配电网及其主设备故障诊断与抑制领域开展了基础研究以及工程应用。主要涉及配电网单相接地故障选线及区段定位、配电网单相接地故障柔性消弧、配电变压器故障诊断、光伏发电系统故障诊断、可再生能源发电与并网等研究方向。近年来，该团队完成了多个国家，省和电网企业的研究项目。

2、21世纪以来，随着智能电表的大量投运，电网进入大数据时代。当前，我国在运智能电表规模已经突破5亿，通过人工巡检已经难以满足大量智能电表的误差监测需求。为保证电力计量的公平，实现电表误差监测全覆盖，各专家学者纷纷开展相关研究。

3、现阶段虽然可以实现电表误差在线估计，但难以同时满足电表误差检测的实时性、精确性和可靠性。本文对动态线损模型进行改进，使其获取的误差估计值更接近实际值，通过带遗忘因子的递推最小二乘法求解电表误差，在保证快速、精确检测电表误差的同时提高了结果的可靠性。

4、经典配电台区电气简化模型如图1所示，U为配变低压侧出口电压，Z=R+jX为线路阻抗，假定上述U和Z为定值。UL为负荷电压，ZL=RL+jXL为负荷阻抗，随负荷的波动而变化。

单片机原理及应用毕业XX

1、Abstract: This XXXXX foceses on the least-square method in XXtheXXtical statistics and the linear and curve fitting are arranged in induction,and on this basis gives several specific exXXples

2、最小二乘法是一种传统的参数估计方法， 它早已经被大家所了解。但是很多同学对最小二乘法的认识还是很模糊，仅仅是把最小二乘法理解为简单的线性参数估计。事实上，最小二乘法在参数估计、系统辨识以及预测、预报等众多领域都有着广泛的应用。本文就最小二乘法的引入、最小二乘法原理的简单证明、最小二乘法在曲线拟合和直线拟合，还有最小二乘法的Matlab实现。以及经济领域的模型参数估计等应用方面进行简单的阐释。本文的一些理论建立在学习过高等代数、数值分析及了解简单的经济计量学的基础上。本文的理论简明易懂，仅对现实中常见的问题用最小二乘法理论结合阐释。

3、1最小二乘法历史简介 最小二乘方法最早是有高斯提出的，他用这种方法解决了天文学方面的问题，特别是确定了某些行星和彗星的天体轨迹。这类天体的椭圆轨迹由5个参数确定，原则上，

XXtlab拟合误差分析

1、摘 要：结合文献资料，利用最小相对误差二乘法对原模型进行求解，得到新的回归方程组。结果证明：用最小相对误差二乘法解出的回归方程组相对误差在5%以内，相对于高斯最小二乘法解出的结果降低了15%，平均绝对百分比误差(MAPE)分别降低10%、14%、10%。

2、数控机床整机的动态优化设计是急需解决的关键问题之一。在零物理样机的情况下，使用虚拟样机对整机动态特性进行预测是现代机床数字化优化设计的重要内容。机床零件结合面的建模及其动态参数的准确识别决定了预测模型的准确性[1]。国内外专家学者针对结合面参数识别进行了大量的研究，吉村允孝等[2]建立了结合面6XX度相互??立的等效动力学模型；华中科技大学的毛宽民等[3]利用曲面相应法和最小二乘法处理实验数据，建立了结合面参数化模型。许倩钰、秦宇[4]等基于最小二乘法原理及多项式拟合的方法，得到不同速度下动态称重数据的拟合曲线。

3、高斯最小二乘法忽略了绝对误差对大小不同的数据的影响程度不同。本文将用以相对误差平方和为最小化目标的最小二乘法求解文献[3]中的数学模型，并以平均绝对百分比误差(Mean Absolute Percentage Error)为参考评价两种方法的差异。

4、从文献[3]提取部分用高斯最小二乘法拟合所得的数据，比较在相同绝对误差的情况下，相对误差的不同。各实验值与拟合值之间的绝对误差为0.10，其相对误差绝对值则由61%缩小到0.35%。最小二乘法的原理是通过最小化误差的平方和寻找数据的最佳函数匹配。通常拟合数据往往按与实验数据的相对误差来评价的，实验数据越大，允许的拟合数据的误差也越大。针对这一点，文献[3]中以绝对误差的平方和为最小化的目标，没有考虑到实验数据大范围变化对相对误差造成的影响。