我有一组坐标(x,y,z(x,y)),它们描述坐标x,y处的强度(z).对于不同坐标处的这些强度的设定数量,我需要拟合2D高斯,以最小化均方误差.数据在numpy矩阵中,对于每个拟合会话,我将有4,9,16或25个坐标.最终我只需要获得具有最小MSE的高斯(x_0,y_0)的中心位置.所有这一切,我发现使用scipy.optimize.curve_fit但他们输入的数据是在整个网格而不是几个坐标的例子.任何帮助,将不胜感激.
我在Python中进行蒙特卡罗模拟,在这里我在某些2D坐标处获得一组强度,然后将2D高斯拟合到它们.我正在使用scipy.optimize.leastsq函数,除了以下错误外,它似乎都运行正常:
英特尔MKL错误:参数6在进入DGELSD时不正确.
在模拟中多次出现此问题.我环顾四周并了解它与英特尔MKL库中的错误有关.我似乎无法找到问题的解决方案,所以我正在寻找一个替代的拟合功能.如果有人确实知道如何摆脱那些也会好的问题.