移动最小二乘法移动最小二乘法是形成无网格方法逼近函数的方法之一。已在无网格方法中得 到广泛应用。其优点是有很好的数学理论支持，因为基于最小二乘法，所以数 值精度较高。对于每个固定点，移动最小二乘法即为通常的最小二乘法。最小 二乘法的缺点也是
移动平均法对小儿科门诊人次的预测分析 目的运用移动平均法对小儿科门诊量进行预测。方法选择我院小儿科2010～2013年各季度门诊量，采用移动平均法建立一元线性回归模型，根据回归模型对2014年各季度数据进行评估预测并做95%置信区间检测。结
% npoints - Total number of points whose MLS shape function to be evaluated % xi(nnodes) - Coordinates of nodes used to
连续函数，且有连续的一阶及二阶偏导数。因为Qxkn2a1k ( a1 j x jj 1b1) nn2a2k ( a2 j x j b2 ) 2aNk ( aNj x j bN )j 1j 1n a1 j x j b1 j1n2 a1ka2k
移动最小二乘法 2.1 移动最小二乘曲线拟合 将拟合函数表述为如下形式： 1 ()()()()()m T i i i f x p x a x p x a x ===∑, (3) 其中a (x )=(a 1(x ), a 2(x ),…, a
（4）示。!"#$%%$& $' ("#)*%$+ $& % / $$ (",-, !".$% (".)* +Fra bibliotek '（1）0".$%%$' $& 0".)*%$& $+ % / $$
1, , K .对于迭代格式(2.4)，文献[7]给出了以下两点结论： 1) 该方法经有限次迭代收敛； 2) 对带有奇异值的散乱数据具有较好的逼近性。 MLH 方法具体描述详见[
3.1 曲线拟合 使 用 移 动 最 小 二 乘 (MLS) 法 对 离 散 数 据 点 x=[0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8,
