在相机位姿估计的实际应用中，参考点的坐标数据不可避免地包含了测量误差，其量值大小通常不会完全一致，如果不区别测量误差直接进行相机位姿估计，将可能导致估计结果与真值相差甚远。为此，在广泛应用的正交迭代算法基础上，提出了相机位姿估计的加权正交迭代算法，该方法以加权共线误差为目标函数，根据像面重投影误差确定权重系数取值，优化相机位姿估计结果，具有精度高、稳健性好等优点，且满足全局收敛条件。数值仿真实验与风洞迎角实验的结果表明，本文算法更加有效，能够抑制不同程度测量误差对相机位姿估计结果的影响，所得结果明显优于正交迭代算法，具有较强的工程实用价值。

该函数计算线 ax+by+c=0 到一组 2D 点的加权正交最小二乘拟合的参数 a、b 和 c，其坐标由 x 和 y 以及权重 w 给出。 n=100； x=1:n; y=2.5*x + (5+300./x).*randn(1,n); 情节（x，y，'.k'） 坚持，稍等w=1:n; [abc] = wols(x,y,w); plot([0,n],[-c/b,-c/b - a/b*n],'-r','LineWidth',2)

nmf的matlab代码元帕拉帕克 加权正交非负（WON）并行因子分析（PARAFAC） WON-PARAFAC是并行因子分析（PARAFAC）的一种变体，即张量因子分解方法。 WON-PARAFAC对标准PARAFAC施加以下三个约束： 加权方案 用于多种数据类型的均衡集成 正交约束 减少一个因素之间的重叠（最初在基因模式下使用）。 这也引入了模式上的额外稀疏性。 非负性 诱导稀疏和基于零件的表示。 实现/依赖 就像在最初的NMF实现中一样，使用了一个乘法更新规则来推导该算法。 该代码要求，注册后可免费用于非商业用途。 为了运行代码，使用MATLAB中的addpath命令，tenstor toobox必须在路径环境中可用。 演示代码和数据 您可以加载演示数据，其中包含在中产生的泛癌多组学数据。 您可以通过以下方式加载数据： load Demo.mat 该命令将加载一个3向张量varialbe X （由935个细胞系和5种数据类型组成的1815基因）。 请注意，这5种数据类型对应于以下内容： 正基因表达水平（非负连续； GE（+）） 负基因表达水平的绝对值（非负连续； GE（-）） 突