RANSAC-regressie
RANSAC-regressie is een robuuste lineaire regressiemethode, geïntroduceerd door Fischler en Bolles in 1981, die een model aanpast aan de inlier-punten van een dataset, terwijl uitschieters automatisch worden uitgesloten. In plaats van alle gegevens tegelijk te fitten, worden herhaaldelijk kleine deelverzamelingen gesampled, een kandidaatmodel gefit, en het model behouden dat de grootste consensus van overeenkomende punten wint.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Random Sample Consensus (RANSAC) Regression. ScholarGate. https://scholargate.app/nl/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.
- Kleinste Afgetrimde Kwadraten (LTS) RegressieStatistiek↔ compare
- Gewone Kleinste Kwadraten (GKK) RegressieEconometrie↔ compare
- KwantielregressieEconometrie↔ compare
- Robuuste Covariantienschating (MCD)Statistiek↔ compare
- Theil-Sen-schatterStatistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →