下载  >  大数据  >  算法与数据结构  > Matlab降维工具箱

Matlab降维工具箱 评分:

常用Matlab降维软件包包括真实有效的多种降维算法: - Principal Component Analysis ('PCA') - Linear Discriminant Analysis ('LDA') - Multidimensional scaling ('MDS') - Isomap ('Isomap') - Landmark Isomap ('LandmarkIsomap') - Locally Linear Embedding ('LLE') - Laplacian Eigenmaps ('Laplacian') - Hessian LLE ('HessianL

...展开详情
2018-08-27 上传 大小:980KB
举报 收藏
分享
降维matlab代码全

降维matlab代码,包括多种用于降维的m源码

立即下载
matlab编写的 32个降维程序

这个Matlab工具箱实现32种维数降低技术。这些技术都可以通过COMPUTE_MAPPING函数或trhough GUI。有以下技术可用:   - 主成分分析('PCA')   - 线性判别分析('LDA')   - 多维缩放('MDS')   - 概率PCA('ProbPCA')   - 因素分析('因子分析')   - Sammon映射('Sammon')   - Isomap('Isomap')   - Landmark Isomap('LandmarkIsomap')   - 局部线性嵌入('LLE')   - 拉普拉斯特征图('Laplacian')   - Hessian LL

立即下载
PCA降维算法总结以及matlab实现PCA(个人的一点理解) - New begin, new .pdf

PCA降维算法总结以及matlab实现PCA(个人的一点理解) - New begin, new .pdf 在进行图像的特征提取的过程中,提取的特征维数太多经常会导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。所谓特征降维,即采用一个低纬度的特征来表示高纬度。特征降维一般有两类方法:特征选择和特征抽取。特征选择即从高纬度的特征中选择其中的一个子集来作为新的特征;而特征抽取是指将高纬度的特征经过某个函数映射至低纬度作为新的特征。常用的特征抽取方法就是PCA。下面着重介绍PCA。

立即下载