Подгонка модели к зашумленным данным
[
подходит для модели с зашумленными данными, используя алгоритм консенсуса выборки M-estimator (MSAC), версию алгоритма консенсуса случайной выборки (RANSAC).model
,inlierIdx
]
= ransac(data
,fitFcn
,distFcn
,sampleSize
,maxDistance
)
Задайте свою функцию для подбора кривой модели, fitFcn
, и ваша функция для вычисления расстояний от модели до ваших данных, distFcn
. The ransac
функция берёт случайные выборки из вашего data
использование sampleSize
и использует функцию аппроксимации, чтобы максимизировать количество инлиеров в maxDistance
.
[___] = ransac(___,
дополнительно задает одно или несколько Name,Value
)Name,Value
аргументы в виде пар.
[1] Торр, П. Х. С., и А. Циссерман. MLESAC: новый робастный оценщик с приложением для оценки геометрии изображения. Компьютерное зрение и понимание изображений. Том 18, выпуск 1, апрель 2000 года, стр. 138-156.