LM算法简介
考虑如下非线性最小二乘问题minf(x)=12∥r(x)∥2, \min \quad f(x) = \frac{1}{2}\Vert r(x)\Vert^2, minf(x)=21∥r(x)∥2,
其中残差向量 r:Rn→Rr:\mathbb{R}^n \to \mathbb{R}r:Rn→R 为
r(x)=(r1(x),r2(x),⋯ ,rm(x))T.r(x) = \big(r_1(x),r_2(x),\cdots,r_m(x)\big)^T. r(x)=(r1(x),r2(x),⋯,rm(x))T.
rrr 的雅可比矩阵 J∈Rm×nJ\in \mathbb{R}^{m\times n}J∈Rm×n 为 J(x)=[∂rj∂xi]=[∇r1(x)T∇r2(x)T⋯∇rm(x)T] J(x)=\left[\frac{\partial r_j}{\partial x_i}\right]=\left[\begin{array}{c} \nabla r_1(x)^T\\ \nabla r_2(x)^T\\ \cdots\\ \nabla r_m(x)^T \end{array}\right] J(x)=[∂xi∂rj]=⎣⎢⎢⎡∇r1(x)T∇r2(x)T⋯∇rm(x)T⎦⎥⎥⎤
简单计算有
∇f(x)=J(x)Tr(x),∇2f(x)=JT(x)J(x)+∑j=1mrj(x)∇2rj(x).\nabla f(x) = \textcolor{blue}{J(x)^Tr(x)},\\ \nabla ^2 f(x) = \textcolor{blue}{J^T(x)J(x)} + \sum_{j=1}^{m}r_j(x)\nabla^2 r_j(x). ∇f(x)=J(x)Tr(x),∇2f(x)=J
扫一扫
9640
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
