最新资料推荐最小二乘法圆拟合及最小二乘法拟合圆公式推导及vc实现[r]最小二乘法(leastsquaresanalysis)是--种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配最小二乘法是用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小最小二乘法通常用于曲线拟合(leastsquaresfitting)这里有拟合圆曲线的公式推导过程和vc实现此处使用平方差与最小二乘法差的平方不一样，但是仍然具有实用估计价值，并且可以化简公式VC实现的代码：C++类voidCViewActionlmageTool::LeastSquaresFitting(){if(m_nNum3){return;}inti=0;doubleX仁0;doubleY仁0;doubleX2=0;doubleY2=0;doubleX3=0;doubleY3=0;doubleX1Y1=0;doubleX1Y2=0;doubleX2Y1=0;for(i=0;im_nNum;i++){X1=X1+m_points[i].x;〃使用对象数组Y1=Y1+m_points[i].y;X2=X2+m_points[i].x*m_points[i].x;Y2=Y2+m_points[i].y*m_points[i].y;X3=X3+m_points[i].x*m_points[i].x*m_points[i].x;Y3=Y3+X1Y1=m_points[i].y*m_points[i].y*m_points[i].y;X1Y1+m_points[i].x*m_points[i].y;X1Y2=X1Y2+m_points[i].x*m_points[i].y*m_points[i].y;X2Y1=X2Y1+m_points[i].x*m_points[i].x*m_points[i].y;}doubleC,D,E,G,H,N;doublea,b,c;N=m_nNum;C=N*X2-X1*X1;D=N*X1Y1-X1*Y1;E=N*X3+N*X1Y2-(X2+Y2)*X1;G=N*Y2-Y1*Y1;H=N*X2Y1+N*Y3-m_fRadius=R;return;}(X2+Y2)*Y1;a=(H*D-E*G)/(C*G-D*D);b:(H*C-E*D)/(D*D-G*C);c=-(a*X1+b*Y1+X2+Y2)/N;doubleA,B,R;A=a/(-2);B=b/(-2);R:sqrt(a*a+b*b-4*c)/2;m_fCenterX=A;m_fCenterY=B。