Question

我在java中使用非线性最小二乘Levenburg Marquardt算法来拟合多条指数曲线（A + Bexp（Cx））。尽管数据非常干净并且与模型具有良好的近似，但即使迭代次数过多（5000-6000），算法也无法对其中的大多数进行建模。对于它可以建模的曲线，它在大约150次迭代中这样做。

LeastSquaresProblem problem = new LeastSquaresBuilder()
        .start(start).model(jac).target(dTarget)
        .lazyEvaluation(false).maxEvaluations(5000)
        .maxIterations(6000).build();

LevenbergMarquardtOptimizer optimizer = new LevenbergMarquardtOptimizer();
LeastSquaresOptimizer.Optimum optimum = optimizer.optimize(problem);}

我的问题是如何在apache commons中定义收敛标准，以阻止它达到最大迭代次数？

Answer 1

我不相信Java是你的问题。让我们来解决数学问题。

如果更改功能，此问题更容易解决。

您假设的等式是：

y = A + B*exp(C*x)

如果你能做到这一点会更容易：

y-A = B*exp(C*x)

现在A只是一个常数，可以是零或任何值，可以向上或向下移动曲线。我们称之为变量z：

z = B*exp(C*x)

采取双方的自然记录：

ln(z) = ln(B*exp(C*x))

我们可以简化右侧以获得最终结果：

ln(z) = ln(B) + C*x

将您的（x，y）数据转换为（x，z），您可以使用直线的最小二乘拟合，其中C是（x，z）空间中的斜率，ln(B)是截距。有很多软件可以做到这一点。

最小二乘Levenburg Marquardt与Apache公共

1 个答案: