使用迭代重加权最小二乘法求解平面度误差

提出了几何误差评定的迭代重加权最小二乘（IRLS-Iterative Reweighted Least Squares)算法。该算法采用一个迭代过程求解一系列加权最小二乘问题，并在每一步迭代中按照一定的规则对权系数进行调整，使其逐步逼近最优拉格朗日乘子。对于用CMM(坐标测量机)和其他设备得到的数据，可得到平面度误差的精确值。     

基于LASSO算法的多QTL定位的模拟研究

此篇文章中,应用一种基于LASSO的算法去同时定位多个数量性状位点(QTL)。在QTL定位方法中,迭代加权最小二乘法(IRLS)和极大似然法(ML)在参数估计准确性和检测效率方面效果几乎一致。但是在参数估计的稳健性和计算速度方面,迭代加权最小二乘法又明显优于极大似然估计。结合参数的先验分布信息,基于贝叶斯理论的极大似然估计能够分析多QTL模型。然而迭代加权最小二乘估计不能很好的检测多QTL。目前贝叶斯分析已经成为一个多QTL定位的重要的途径,但它主要缺点是计算时间过长,并缺乏简单有效的显著性检验。通过循环坐标下降的LASSO方法可将全模型的系数同时压缩并使之趋进于零,因此该方法能应用于快速同时估计整个基因组的非零遗传效应位点。在这个研究中,应用基于LASSO的算法去同时定位多QTL。模拟证明LASSO方法比迭代加权最小二乘法具有更高的估计精度和检测效率。