通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法——加权平移算法.首先 将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点 算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差 和对极距离都小于其他线性算法,提高了基础矩阵的精度.

文档中是关于数据归一化的处理说明和程序简介-Document on data normalization procedures for the handling of notes and brief

PSO的RBFNN优化程序 算法步骤 1.样本数据归一化处理，即将输入输出归一化到[-1,1]区间； 2.确定RBF网络的中心和宽度； 3.以拟合误差的均方根作为性能指标，使用PSO算法优化RBF网络输出层到隐层的连接权值矩阵-PSO-RBFNN algorithm optimization procedures Step 1. Sample data normalization treatment, about input and output normalized to [-

一些常用的数据预处理的方法，主要是介绍如何使用归一化的函数。-Some common methods of data preprocessing, mainly describes how to use a normalized function.