利用C#實現最小二乘法
阿新 • • 發佈：2018-12-10
最小二乘法可根據座標點的資訊擬合出一條最優直線，y=bx+a，保證每個座標點到直線的距離之和達到最小值。
前提條件是先篩選出有效的座標點，再進行演算法處理。
程式碼如下：（實測可用）
/****************宣告定義*************************/ float[] distance = new float[271]; float length; float[] ArrPoint_X = new float[270]; float[] ArrPoint_Y = new float[270]; ArrayList pointX = new ArrayList(); ArrayList pointY = new ArrayList(); float lengthX; float lengthY; float theta; float dis_length; float dis_theta; /****************函式實現*************************//最小二乘法，擬合直線 int ArrPoint_Count = 0; for (int i = (135 - 23 * 3); i <= (135 + 23 * 3); i++) //邊緣檢測 { length = distance[i]; if ((length > 100) && (length < User_length)) { theta = (float)((i / 3) + 45); //極座標系往直角座標系轉換 lengthX = length * (float)(Math.Cos(Math.PI * theta / 180)); lengthY = length * (float)(Math.Sin(Math.PI * theta / 180)); pointX.Add(lengthX); pointY.Add(lengthY); ArrPoint_X[ArrPoint_Count] = lengthX; ArrPoint_Y[ArrPoint_Count] = lengthY; ArrPoint_Count++; } } float averagex = 0, averagey = 0; foreach (float i in pointX) { averagex += i; } foreach (float j in pointY) { averagey += j; } averagex /= pointX.Count; // 取X座標的平均數 averagey /= pointY.Count; // 取Y座標的平均數 //經驗迴歸係數的分子與分母 float numerator = 0; float denominator = 0; for (int i = 0; i < pointX.Count; i++) { numerator += (ArrPoint_X[i] - averagex) * (ArrPoint_Y[i] - averagey); denominator += (ArrPoint_X[i] - averagex) * (ArrPoint_X[i] - averagex); } //迴歸係數b（Regression Coefficient） y = bx + a ; float RCB = numerator / denominator; //迴歸係數a float RCA = averagey - RCB * averagex;