问题标签 [best-fit]

我有一个有趣的问题正在尝试解决。我从笛卡尔坐标中的传感器获得了一个数据集。该数据非常密集，因此不乏点。

现在假设该数据的原点位于 (0,0) 我想找到该帧中传感器的潜在偏移量。

我的尝试是创建该数据集的凸包，然后检查相交线组，它们的交点位于距原点一定距离内。这给出了一个很好的近似值，使用这个理想数据Click Me。

在链接 1 中，您会看到几条绿线，这些是我从凸包中提取的“主线”，它们是很好的候选者。由于图像是从循环中完成的，因此它们中有很多。

现在，我的问题。我得到的数据很嘈杂，所以有很多离群点，即确实在 FOV 之外但仍被测量的点。这些坏点很少，但足以使凸包方法不起作用（我也尝试过 alpha 形状，它确实工作得更好，但仍然不够好）。

我想知道您是否对我可以解决这个困境的方向有什么想法？最好我想将此原点提取为二项分布。

这是原始数据的示例图像（尽管出于 IP 原因，我已对其进行了更改并删除了数据）。单击我。

我的一个想法可能是使用极坐标中的数据，然后使用 dohougs 变换来提取极坐标中的“清晰”直线，这可以给我在一定距离 R 处的一组弧长，然后以某种方式从那里开始?

PS对不起，链接很少，只允许在这里和现在放两张图片：/

我正在尝试模拟操作系统。

假设我获得x了内存字节。
我将如何设计一个最合适的内存分配系统？

我打算创建一个数组来存储多个内存块对象，每个对象都包含一些总内存大小。例子：

_{总大小为 100 字节}

b1=20, b2=30, b3 =10, b4= 15, b5 =25

1. 是否有特定的方法来生成每个块大小？
2. 如果一个进程需要 50 个内存会怎样？没有一个块将能够支持该过程。我应该拒绝这个过程，因为我的块都不能支持它，还是应该合并块等？

首先要明确这个问题中提到的所有“大小”都是 2 的幂。

我需要一种算法来支持在大型 3D 纹理图集中创建/删除任意大小的子纹理，然后纹理图集大小可以是（X，Y，Z），具有三个不同的维度大小，子纹理也可以有三个不同的尺寸大小，每个子纹理的尺寸也可以不同。该算法应该足够快，线性速度最好，并且碎片尽可能少。

如果这个问题的所有参数都太笼统了。一个简单的版本也可以工作。简单的版本应该是 3D 纹理图集与 X 具有相同的三个维度，并且每个子纹理具有与 Y 相同的三个维度，但是每个子纹理的 Y 可以是不同的值。例如，大小为 128x128x128 的纹理图集，创建/删除大小为 2x2x2 或 4x4x4 或 8x8x8 等的子纹理。

通常我使用这种matlab代码用一组参考点进行投影变换：

现在我有一张照片，展示了一些（例如 10 张）乱七八糟的纸张，每张纸张的尺寸都已知，放在一张普通的大桌子上。这些薄片之间的距离是未知的。

所以我将有 10 个 4 参考点集来获得投影变换矩阵，然后是二维桌面的投影图像。

如何生成优化的转换矩阵（以及后来的投影图像），其中包括所有 4 点集作为一种最佳拟合？

提前致谢。

试图找到一种方法来转换：

1. 多点选择或
2. 将分段线变成最佳拟合线。

在编辑>选择工具中，我看到很多适合圆、样条和椭圆的选项，但我正在努力寻找解决方案。

我找到了一个插件（Nucmed 的 Fitline），它使用多点选择的结果来绘制最佳拟合线，但没有运气将结果叠加在原始图像上。

我有一个代理服务器列表。有一个ProxyServer项目列表。Address项目本身持有代理， SucceedCount, FailedCount, LastSucceedDate, LastFailedDate. 如果加载操作成功，SucceedCount则递增，如果失败 - FailedCount。所以项目列表看起来像这样（LastFailedDate未显示）：

我需要实现一个简单的算法来从这个列表中获得 N 个最佳代理。最佳代理意味着：

• 许多SucceedCount是好的
• 很多FailedCount都是坏的
• 成功/失败 0/0 的代理优于 0/10
• 上次成功/失败的日期必须有一定的权重，例如带有 top SucceedCount/ FailedCount10000/100 的代理，但LastSucceedDate一个月前已经足够糟糕了。

我希望你有想法在那一刻获得最好的 N 代理。我想有一些已知的算法可以完成这样的任务。看起来算法本身可以像.OrderBy()链一样。

SucceedCount, FailedCount, LastSucceedDate,LastFailedDate字段可能被任何其他的替换，删除，也可能被其他的补充，我只需要达到目标的方式。

我在 C# 的 Windows 应用程序中绘制图表。我使用 最小二乘拟合——垂直偏移 来找到最佳拟合线。但是我的数据源从垂直线到（几乎）水平线不等。

然后我阅读了有关 PCA 和 Accord.net 库的信息。我已经写了一些代码，但没有得到进一步做的事情。

我有一个图表的数据点列表。

获得特征向量后，如何利用它们绘制最佳拟合线。

我正在尝试使用命令 abline 来拟合一条线并为来自两个不同数据源的列之间的关系找到一个 R 平方值。我的数据操作如下：

然而，生产线显然是错误的：

因为我没有收到任何错误，所以即使关系明显错误，我也看不出哪里出错了.....

dput(df) 的输出为：

我对 abline 命令的研究刚刚告诉我，我所做的正是正确的......有人可以指出我正确的方向吗？

我正在编写一个代码来查找导入文件中某些数据的最佳拟合线的最小二乘。线的方程是ax+b我已经计算过a的地方b。要绘制我尝试过的线：

我matplotlib.pyplot as plt用来绘制我的图表。

没有错误消息，但这条线没有出现在我的图表上。有谁知道出了什么问题？感谢您提供任何帮助。

我在 3D 空间中有一些平面，理论上它们都应该在同一条线上相交。

每个平面通过取 3 个测量点来计算。然而，这些点的测量存在一些误差。

所以在实践中，平面并不都在同一条线上相交。

如何获得所有这些飞机的“平均”相交线？

我可以将每个平面与另一个平面相交，然后平均线。然而，当两个平面的方向几乎相同时，它们的测量中的一个小误差将导致它们计算的交点出现巨大的误差。因此，以这种方式计算平均交点时，我会放大测量误差。

有没有更公平的方法来计算公共相交线？