搜索资源列表
RAFisher2cda
- 利用fisher线性判别分析进行数据降维-using linear discriminant analysis of data dimensionality reduction
OLDA
- 正交线性判别分析（Orthogonal Linear Discriminant Analysis），可以用于数据降维上面。-orthogonal linear discriminant analysis (Orthogonal Linear Discriminan t Analysis), can be used for cutting down the data above.
MATLAB_Codes_for_Dimensionality_Reduction
- 数据降维工具箱，包括一些典型算法，例如pca，lle，mds，lda等。
LLE
- 此程序为非线性降维典型算法之一－－LLE算法，对想进行高维数据降维研究的朋友们值得一看
drtoolbox.tar
- 一个基于matlab的数据降维工具箱,包括MDS,LEE等方法
drtoolbox
- 一个很好的Matlab编制的数据降维处理软件
lle
- 局部线性嵌入法，用于数据降维 .lle.m -- A simple matlab routine to perform LLE. .scurve.m -- Code to run the \"s-curve\" example. .swissroll.m -- Code to run the \"swiss roll\" example.
Modern_Multidimens
- 系统的介绍multidimension scaling 这种数据降维技术，从提供的网站可以下载相关matalb程序，可用于模式识别等．
DWT_PCA
- 离散小波变换，然后主成分分析进行数据降维，用于模式识别，如人脸识别，掌纹，表情，指纹等识别。
DCT_PCA
- 离散余弦变换，然后主成分分析进行数据降维，用于模式识别，如人脸识别，掌纹，表情，指纹等识别。
PCA1
- pca算法，用于数据降维，注释非常详细清晰，
matlab人脸数据
- MATLAB降维工具箱
PNMF
- 数据降维
synthetic_data
- 实现LLE降维的一种改进方法，并通过文件中的五组数据来说明(LLE dimension reduction)
局部线性嵌入
- 利用局部线性嵌入算法将高维数据映射到低维空间中，达到降维效果；(The local linear embedding algorithm is used to map the high dimensional data into the low dimensional space to achieve the effect of reducing the dimension.)
降维程序
- 完成多维数据的降维工作简化数据以便更好地完成工作(The dimension reduction of multidimensional data is completed, and data is simplified, so as to better finish the work.)
LDA_ FDA_with_tutorial
- LDA降维是常用的降维手段之一，是常用的有监督学习降维工具。这个文件对其产生W后的使用进行了简要说明，使用W进行最终的降维可以得到十分漂亮的分析结果（在数据分布符合假设分析的情况下。）(LDA dimension reduction is one of the commonly used dimensionality reduction methods. It is a commonly used supervised learning
KPCA
- KPCA算法属于非线性高维数据集降维，算法其实很简单，数据在低维度空间不是线性可分的，但是在高维度空间就可以变成线性可分的了(The KPCA algorithm belongs to the nonlinear high-dimensional data set dimension reduction. The algorithm is very simple. The data is not linearly separable i
SPA降维算法
- 连续投影算法，选取特征波长，可以实现多维数据的降维，提取特征波段
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwr