最小平均法.pptVIP

欧氏距离法： 公式： 二维的公式 d = sqrt((x1-x2)^2+(y1-y2)^2 三维的公式 d=sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2) 欧氏距离的公式 d=sqrt( ∑(xi1-xi2)^2 ) 这里i=1,2..n xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标 n维欧氏空间是一个点集,它的每个点可以表示为(x(1),x(2),...x(n)),其中x(i)(i=1,2...n)是实数,称为x的第i个坐标,两个点x和y=(y(1),y(2)...y(n))之间的距离d(x,y)定义为上面的公式. 欧氏距离看作信号的相似程度。 距离越近就越相似，就越容易相互干扰，误码率就越高。 指数平滑法： 基本公式 指数平滑法的基本公式是：St=ayt-1+(1-a)St-1 式中St--时间t的平滑值； yt-1--时间t-1的实际值； St-1--时间t-1的平滑值； a--平滑常数，其取值范围为[0,1]； 最小平均法（最小二乘法） 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。 利用最小平方法拟合直线回归方程 拟合直线回归方程的主要问题就在于估计待定参数a和b之值。假设直线回归方程为： Yc=a+bx，其中a是直线的截距，b是直线的斜率，称回归系数。 a和b都是待定参数。将给定的自变量x之值代入上述方程中，可求出估计的因变量y之值。这个估计值不是一个确定的数值，而是y许多可能取值的平均数，所以用Yc表示。当x取某一个值时，y有多个可能值。因此，将给定的x值代入方程后得出的Yc值，只能看作是一种平均数或期望值。配合直线方程的具体方法如下: 欧氏距离（ Euclidean distance）也称欧几里得距离，它是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。 指数平滑法是布朗所提出，布朗、认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。