A finite algorithm to fit geometrically all midrange lines, circles, planes, spheres, hyperplanes, and hyperspheres
Sind im euklidischen Raum \(\mathbb{R}^n\) endlich viele Punkte \(\vec x_1,\dots,\vec x_N\) gegeben, so entsteht das Problem, eine Ausgleichshypersphäre mit Mittelpunkt \(\vec c\in\mathbb{R}^n\) und Radius \(r\) (oder eine Ausgleichshyperebene) zu bestimmen. Die historische Entwicklung dieses Problems wird zunächst ausführlich dargestellt. Sie zeigt, dass zahlreiche Autoren versuchen, ``den Mittelpunkt \(\vec c\) und Radius \(r\) so zu finden, dass \(\sum^N_{k=1} \rho^2_k\) mit \(\rho_k:= \|\vec x_k-\vec c\|- r\) (unter Verwendung der euklidischen Norm \(\|\dots\|\)) minimiert wird. Im Gegensatz dazu minimiert die vom Autor entwickelte Methode die Maximum-Norm \(f_\infty(\vec c,r):= \|(\rho_1,\dots, \rho_N)\|_\infty= \max_{1\leq k\leq N}|\rho_k|\). Es wird ein Algorithmus vorgestellt, der mit endlich vielen arithmetischen Operationen alle endlich vielen globalen Minima von \(f_\infty\) berechnet. Der Algorithmus findet zu einer Ausgleichshypersphäre die dünnste konzentrische Hypersphärenschale sowie zu einer Ausgleichshyperebene die dünnste durch zwei Hyperebenen begrenzte Scheibe, die die vorgegebenen Punkte \(\vec x_1,\dots,\vec x_N\) enthält. Die Existenz von Lösungen wird zuvor ausführlich diskutiert. Die Berechnungskomplexität wird sowohl für dünnste Schalen als auch für dünnste Scheiben ermittelt. Die Empfindlichkeit gegenüber Störungen der Ausgangsdaten wird ebenfalls untersucht. Die sehr fundiert abgefasste Arbeit endet mit Tests and Anwendungen.
- Median spheres: Theory, algorithms, applications
- Hyperspheres and hyperplanes fitted seamlessly by algebraic constrained total least-squares
- Minsum hyperspheres in normed spaces
- Minisum hyperspheres
- Total least squares fitting of \(k\)-spheres in \(n\)-D Euclidean space using an \((n+2)\)-D isometric representation
- Fitting circles to data with correlated noise
- Consistent least squares fitting of ellipsoids
- Error analysis for circle fitting algorithms
- Does the best-fitting curve always exist?
- A combination of \texttt{RANSAC} and \texttt{DBSCAN} methods for solving the multiple geometrical object detection problem
- Fast and numerically stable circle fit
- Median spheres: Theory, algorithms, applications
- Application of the \texttt{DIRECT} algorithm to searching for an optimal \(k\)-partition of the set \(\mathcal {A}\subset \mathbb {R}^n\) and its application to the multiple circle detection problem
- Fitting concentric circles to measurements
- Statistical analysis of curve fitting methods in errors-in-variables models
- Data clustering for circle detection
- Is the best fitting curve always unique?
- Fitting circles to scattered data: parameter estimates have no moments
- Geometric fit of a point set by generalized circles
- Minsum hyperspheres in normed spaces
- Locating a general minisum `circle' on the plane
This page was built for publication: A finite algorithm to fit geometrically all midrange lines, circles, planes, spheres, hyperplanes, and hyperspheres
Report a bug (only for logged in users!)Click here to report a bug for this page (MaRDI item Q1601094)
