hsailem/PhenoPlot:高维数据可视化软件-matlab开发

preview
共1个文件
zip：1个
matlab
需积分: 10 0 下载量 23 浏览量 2021-05-30 07:59:58 上传 评论 收藏 1.52MB ZIP 举报
weixin_38621630
  • 粉丝: 3
  • 资源: 914
上传资源 快速赚钱
voice
center-task 前往需求广场，查看用户热搜

相关推荐

zip

PhenoPlot:高维数据可视化软件

表型图 PhenoPlot 是一个基于字形的可视化工具箱，可以同时表示多达 21 个变量/特征。 该工具箱是一个带有 GUI 的 Matlab 工具箱，旨在从细胞图像中提取细胞特征，但它可以用于任何数值数据。 使用 PhenoPlot 时，请引用手稿 HZ Sailem, J. Sero, C. Bakal (2015) Visualizing Cell Imaging Data using P
zip

Starplot:将高维数据绘制到任意数量的线性或对数轴上。-matlab开发

例如，假设您有两个由 20 种不同均值和标准差描述的数据集。 Starplot 可以对这些数据集进行直接的视觉比较和表示。 线性和对数缩放都是可能的。 有关如何使用它的更多信息，请参阅帮助和演示。 如果您发现错误或需要支持，请随时与我联系。
zip

isodata的matlab代码博客-F_ISODATA:基于模糊主成分分析（FPCA）聚类的高维数据可视化”

isodata的matlab代码博客F_ISODATA 基于模糊主成分分析（FPCA）聚类的高维数据可视化”
zip

高维数据的快速主成分分析：在分析非常高维的数据时，这种主成分分析的实现比MATLAB的pca.m快得多。-matlab开发

[COEFF，分数，隐藏，特例] = fastpca（数据） 非常高维数据的快速主成分分析（例如神经影像数据的体素级分析），根据 C. Bishop 的书“模式识别和机器学习”，第 10 页实施。 570.对于高维数据，fastpca.m比MATLAB的内置函数pca.m快得多。 根据 MA​​TLAB 的 PCA 术语，fastpca.m 需要一个输入矩阵，每行代表一个观察（例如主题），每列代
zip

一个非常快速的可视化库，用于大型，高维数据集。-JavaScript开发

一个非常快速的可视化库，用于大型，高维数据集。 tmap tmap是用于大型，高维数据集的非常快速的可视化库。 目前，tmap可用于Python。 tmaps图形布局基于OGDF库。 教程和文档，请参阅http://tmap.gdb.tools示例名称描述NIPS会议论文tmap可视化显示了NIPS会议论文之间的语言关系。 查看Gutenberg项目书籍和作者之间的语言关系的tmap可视化
pdf

高维数据可视化方法研究

高维数据可视化方法研究 主要以雷达图为例
pdf

多维数据集中高维数据可视化算法研究

针对传统可视化算法无法解决高维数据多属性的可视化问题,算法复杂、适用性较差的不足,提出基于快速数据聚类的可视化算法研究.算法构建了一种多维数据模型,采用三角多项式建立映射关系;对多维数据集做不同层次的划分,...
pdf

论文研究-高维数据可视化的矢量雷达图方法研究 .pdf

高维数据可视化的矢量雷达图方法研究，孟辉，洪文学，高维数据可视化在当前科学、工程和商业决策领域中起到非常重要的作用。本文提出一种高维数据可视化的矢量雷达图方法，基于矢量融
zip

高维数据SVM实现+降维可视化

高维数据SVM实现+降维可视化 是更改别人的代码的，使用软间隔最大化，SMO优化算法，t-sne降维可视化，发现数据是否是容易线性可分的。
zip

bcws-psu-research：支持BCWS FTL MVP项目以及与BCWS PSU（预测服务部门），CITZ DSP（数据科学合作伙伴计划）和TRU（美国汤普森河）合作的研究软件，用于野火管理决策支持研究。 。 包括A）应用或实施有监督和无监督分类的例程，B）高维图像以及分类图的可视化和处理

欢迎来到bcws-psu-research 与以下机构合作开发的图像分析方法和系统： 卑诗省首席信息官办公室（OCIO）数字平台和数据司（DPDD） 卑诗省野火局（BCWS）预测服务部（PSU） 汤普森河大学（TRU） 支持BC Wildfire服务（BCWS）预测服务部门（PSU）计划。 另请参阅： 样品结果 带有BCWS FTL MVP软件的交互式映射：端到端决策支持系统（DSS）
zip

高维二进制数据中基于位表的双聚类和频繁闭项集挖掘：在高维二进制数据中同时找到频繁闭项集和双聚类的方法-matlab开发

在过去的十年中，已经开发并提出了各种算法来发现高维数据中的重叠簇。 本研究独立提出的两个最突出的应用领域是频繁项集挖掘（为购物篮数据开发）和双聚类（应用于基因表达数据分析）。 这两种方法的共同限制是对非常大的二进制数据集的适用性有限。 在本文中，我们提出了一种新颖有效的方法来在高维二进制数据中找到频繁闭项集和双簇。 该方法基于简单但非常强大的矩阵和向量乘法方法，确保可以快速发现所有模式。 Bit
zip

逐对特征接近度（PWFP）：PWFP是一种特征选择方法，适用于高维低样本量数据-matlab开发

成对特征邻近度 (PWFP) 是一种特征选择方法。 它首先一次考虑一对数据来评估每个特征，然后将所有特征组合起来进行整体特征评估。 它可以用于高维低样本量（HDLSS）数据。 此代码与以下出版物有关： SL Happy、R. Mohanty 和 A. Routray，“基于成对特征接近度的高维低样本数据的有效特征选择方法”，欧洲信号处理会议。 (EUSIPCO), 2017。
zip

高维数据聚类 (HDDC)：高维数据聚类 (HDDC) 工具箱包含一个高效的无监督分类器 f-matlab开发

高维数据聚类 (HDDC) 工具箱包含用于高维数据的高效无监督分类器。 该分类器基于适用于高维数据的高斯模型。 参考：C. Bouveyron、S. Girard 和 C. Schmid，高维数据聚类、计算统计和数据分析，2007 年
zip

高维小样本数据的LDA：数据维数高、样本量小得多的线性判别分析-matlab开发

对于通常数据维数很大的医学成像/生物数据，典型的 LDA 应用程序由于试图反转一个不可能的大矩阵而失败。 这可以使用内核技巧来补救。 当前文件尝试执行此操作。 如果您将此作品用作作业/论文/论文的一部分，请引用以下论文： Gaonkar、Bilwaj 和 Christos Davatzikos。 “基于支持向量机的多元图像分析和分类的统计显着性图的解析估计。” NeuroImage 78 (201
pdf

高维数据可视化研究

介绍了现在最常用的可视化方法，用于数据挖掘，包括像素法，平行坐标系，雷达图，脸谱图等。
star 5星 · 资源好评率100%
pdf

基于随机森林的高维数据可视化 (2014年)

目前对高维数据进行挖掘的方法大多是基于数学理论而非可视化的直觉。为便于直观分析和评价高维数据，提出引入随机森林(RF)方法对高维数据进行数据可视化。首先，采用RF进行有监督学习得到样本间的相似度度量，并采用...
pdf

论文研究-改进的基于SOM的高维数据可视化算法.pdf

通过对高维数据可视化方法的系统研究，提出了一种新的基于自组织映射（Self-Organizing Map，SOM）的算法。为了表现该方法的特点，将其称为三维自组织映射（Three-Dimensional SOM，TDSOM）。它在对高维数据记录集...
caj

基于降维技术的高维数据可视化研究与实现.caj

基于降维技术的高维数据可视化研究与实现
pdf

工业软件为何能强势崛起，从高维视角看工业软件投资机会：生产管控篇[2021-09-14]（72页）.pdf

工业软件为何能强势崛起，从高维视角看工业软件投资机会：生产管控篇[2021-09-14]（72页）.pdf
pdf

高维数据可视化之t-SNE算法1

引入困惑度的概念，通过二分搜索的方式来寻找一个最佳其中困惑度指：这里的是的香农熵，即：困惑度可以理解为某个数据点附近有效近邻点的个数，对困惑度的调整具有鲁棒性，
zip

Python-Datavisualization高维数据可视化与漫游工具集

Data visualization - 高维数据可视化与漫游工具集
ipynb

PCA_高维数据可视化.ipynb

PCA_高维数据可视化.ipynb
zip

Python-一个用于可视化和操作高维数据的python工具箱

一个用于可视化和操作高维数据的python工具箱
zip

DistMatrixHighD:计算高维点的 L-2 范数距离。-matlab开发

这是 Kardi Teknomo 的 DistMatrix.m 的扩展
zip

matlab数理统计和数据分析及优化求解：42扩展参考： 高维方程组求解的牛顿迭代法.zip

matlab数理统计和数据分析及优化求解：42扩展参考： 高维方程组求解的牛顿迭代法.zip
zip

biojs-vis-tsne:易于使用的 t-SNE 网络可视化

biojs-vis-tsne 高维数据的 t-SNE 网络可视化研究论文该算法最初在本文中描述： L.J.P. van der Maaten and G.E. Hinton.Visualizing High-Dimensional Data Using t-SNE. Journal of Machine Learning Research9...
zip

Matlab 基于支持向量机(SVM)的数据回归预测 SVM回归

1. Matlab实现支持向量机的数据回归预测（完整源码和数据) 2. 多变量输入，单变量输出，数据回归预测 3. 评价指标包括：R2、MAE、MSE、RMSE 4. 包括拟合效果图和散点图 5. Excel数据，暂无版本限制，推荐2018B及以上版本 注：采用 Libsvm 工具箱（无需安装，可直接运行），仅支持 Windows 64位系统
star 5星 · 资源好评率100%
zip

Matlab 基于BP神经网络的数据分类预测 BP分类

1. Matlab实现BP神经网络的数据分类预测（完整源码和数据) 2. 多变量输入，单变量输出（类别），数据分类预测 3. 评价指标包括：准确率 和 混淆矩阵 4. 包括拟合效果图 和 混淆矩阵 5. Excel数据，要求 Matlab 2018B及以上版本
star 5星 · 资源好评率100%
zip

LSTM时间序列神经网络预测MATLAB代码

MATLAB代码，直接运行，可以换数据。
star 5星 · 资源好评率100%