比浏览器更快的访问！
复数
#重定向 复数 (数学).
小波分析
小波分析（wavelet analysis）或小波轉換（wavelet transform）是指用有限長或快速衰減的、稱為「母小波」（mother wavelet）的振盪波形來表示信號。該波形被縮放和平移以匹配輸入的信號。 「小波」（wavelet）一詞由Morlet和Grossman在1980年代早期提出。他們用的是法語詞ondelette，意思就是「小波」。後來在英語裡，「onde」被改為「wave」而成了wavelet。 小波變換分成兩個大類：離散小波變換（DWT） 和連續小波轉換（CWT）。兩者的主要區別在於，連續變換在所有可能的縮放和平移上操作，而離散變換採用所有縮放和平移值的特定子集。 小波理論和幾個其他課題相關。所有小波變換可以視為時域頻域表示的形式，所以和調和分析相關。所有實際有用的「離散小波變換」使用包含有限脈衝響應濾波器的濾波器段（filter band）。構成CWT的小波受海森堡的測不準原理制約，或者說，離散小波基可以在測不準原理的其他形式的情境中考慮。.
新！!: 赫斯特指数和小波分析 · 查看更多 »
分形
分形（Fractal），又稱--、殘形，通常被定義為「一個粗糙或零碎的幾何形狀，可以分成數個部分，且每一部分都（至少近似地）是整體縮小後的形狀」，即具有自相似的性質。 碎形思想的根源可以追溯到公元17世紀，而對碎形使用嚴格的數學處理則始於一個世紀後卡爾·魏爾施特拉斯、格奧爾格·康托爾和費利克斯·豪斯多夫對連續而不可微函數的研究。但是碎形（fractal）一詞直到1975年才由本華·曼德博創造出來，字源來自拉丁文 frāctus，有「零碎」、「破裂」之意。一個數學意義上碎形的生成是基於一個不斷迭代的方程式，即一種基於遞歸的反饋系統。碎形有幾種類型，可以分別依據表現出的精確自相似性、半自相似性和統計自相似性來定義。雖然碎形是一個數學構造，它們同樣可以在自然界中被找到，這使得它們被劃入藝術作品的範疇。碎形在醫學、土力學、地震学和技术分析中都有应用。.
FFT
#重定向 快速傅里叶变换.
最小二乘法
最小二乘法（又称--）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。 利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。 “最小平方法”是對過度確定系統，即其中存在比未知數更多的方程組，以迴歸分析求得近似解的標準方法。在這整個解決方案中，最小平方法演算為每一方程式的結果中，將殘差平方和的總和最小化。 最重要的應用是在曲線擬合上。最小平方所涵義的最佳擬合，即殘差（殘差為：觀測值與模型提供的擬合值之間的差距）平方總和的最小化。當問題在自變量（x變量）有重大不確定性時，那麼使用簡易迴歸和最小平方法會發生問題；在這種情況下，須另外考慮變量-誤差-擬合模型所需的方法，而不是最小平方法。 最小平方問題分為兩種：線性或普通的最小平方法，和非線性的最小平方法，取決於在所有未知數中的殘差是否為線性。線性的最小平方問題發生在統計迴歸分析中；它有一個封閉形式的解決方案。非線性的問題通常經由迭代細緻化來解決；在每次迭代中，系統由線性近似，因此在這兩種情況下核心演算是相同的。 最小平方法所得出的多項式，即以擬合曲線的函數來描述自變量與預計應變量的變異數關係。 當觀測值來自指數族且滿足輕度條件時，最小平方估計和最大似然估计是相同的。最小平方法也能從動差法得出。 以下討論大多是以線性函數形式來表示，但對於更廣泛的函數族，最小平方法也是有效和實用的。此外，迭代地將局部的二次近似應用於或然性（藉由費雪信息），最小平方法可用於擬合廣義線性模型。 其它依據平方距離的目標加總函數作為逼近函數的主題，請參見最小平方法（函數近似）。 最小平方法通常歸功於高斯（Carl Friedrich Gauss，1795），但最小平方法是由阿德里安-马里·勒让德（Adrien-Marie Legendre）首先發表的。.
新！!: 赫斯特指数和最小二乘法 · 查看更多 »
