关于MATLAB的LM算法原理

Matlab用以建立数学模型是一个很好的工具。对模型函数的评价，一个很重要的方法就是最小二乘（Least squares）由least mean squares这个方法得到。假如有点集P(X, Y)，每一个点 P(i) 由X(i), Y(i) , i = 1 ~ m组成；模型 Y_fit = F( A, X ), Y_fit(i) = F(A, X(i) ); 其中 A= A(1) A(2) … A(n)是模型的n个参数。least mean squares = (1/m) * sum ((Y(i) - Y_fit(i) ).^2) (i = 1 ~ m)。 一个好的模型，least mean squares就小；而另一方面，如何得到模型参数A，使得least mean squares有最小值，就是所谓的，最小二乘拟合（least squares curve fitting）了。