RANSAC-regression
RANSAC-regression er en robust lineær regressionsmetode introduceret af Fischler og Bolles i 1981, der tilpasser en model til inlier-punkterne i et datasæt, mens den automatisk udelukker outliers. I stedet for at tilpasse alle data på én gang, sampler den gentagne gange små delmængder, tilpasser en kandidatmodel og beholder den model, der opnår den største konsensus af overensstemmende punkter.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Fischler, M. A. & Bolles, R. C. (1981). Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM, 24(6), 381-395. DOI: 10.1145/358669.358692 ↗
- Torr, P. H. S. & Zisserman, A. (2000). MLESAC: A New Robust Estimator with Application to Estimating Image Geometry. Computer Vision and Image Understanding, 78(1), 138-156. DOI: 10.1006/cviu.1999.0832 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/da/statistics/ransac-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Mindste Trimmede Kvadraters (LTS) RegressionStatistik↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
- KvantilregressionØkonometri↔ compare
- Robust Kovariansestimering (MCD)Statistik↔ compare
- Theil-Sen EstimatorStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →