搜索资源列表
matlab_LDA
- 本程序采用线性判别分析方法实现的字符识别，达到较高的识别率。并给出了很多实验得到的识别结果-the adoption of linear discriminant analysis method of character recognition, reach a higher recognition rate. Given the many experimental results Recognition
RAFisher2cda
- 利用fisher线性判别分析进行数据降维-using linear discriminant analysis of data dimensionality reduction
pca_lda
- 这里面包含两个文件，可以实现主成分分析（PCA）算法和线性判别分析（LDA）算法。不过还需要CMatrix类的定义。-which contained two documents, can be achieved principal component analysis (PCA) algorithm and linear discriminant analysis (LDA) algorithm. But also need CMatrix class definition.
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.
KDA_QR
- 基于奇异值分解的核线性判别分析（Kernel Discriminant Analysis via QR Decomposition）。 -based on the singular value decomposition of the nuclear linear discriminant analysis (Kernel Discriminant An alysis via QR Decomposition).
malic-0.0.9.1.tar
- Malic是一个完整的Linux下的人脸识别系统源代码，它是SourceForge上的一个开源项目，使用Malib实现实时处理，CSU Face Identification Evaluation System进行人脸识别。算法包括：主成份分析(principle components analysis (PCA)),a.k.a eigenfaces算法,混合主成份分析,线性判别分析(PCA+LDA),图像差分分类器(IIDC),弹性图像匹配算法(EBGM)
LDA
- 线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人耳识别会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于LDA的人耳识别。文章对几种基于LDA的人耳识别方法做了理论上的比较和实验数据的支持，这些方法包括Fisherears、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法
LDA
- 线性判别分析法（LDA），LDA以提高样本在子空间中的可分类为目标。寻找一组基向量，在这些基向量张成的子空间中，不同类别的训练样本能有最小的类内离散度，最大的类间离散度。
LDA
- 线性判别分析（LDA）用于特征选择，可以对数据集或者图像提取有用特征，用于分类或者聚类等机器学习应用中-Linear Discriminant Analysis (LDA) for feature selection, application in dataset or image feature extraction, for classification or clustering applications in machine learning
LFDA
- lfda,局部线性判别式分析，可解决多模型数据分布问题-lfda
KLFDA
- 这是一个关于Fisher线性判别分析的Matlab的m文件，给出了在高斯核下的程序源码。-This is a Fisher linear discriminant analysis on the Matlab m-file, given the procedures in the lower-Gaussian source.Kernel Local Fisher Discriminant Analysis for Supervised Dimensionality Reduction.
featureExtraction
- 该程序包实现了模式识别中的两个特征提取算法，主成分分析PCA和线性判别分析LDA。采用C++语言编写，开发环境VS。 程序包还提供了两个测试样本文件。-The package to achieve the recognition of the two feature extraction algorithm, principal component analysis PCA and linear discriminant analysis LDA. Using C++ language, dev
linear
- 手写体识别中，对于阿拉伯数字的识别。常用的模式分类方法都可以应用。这个小程序使用的方法是线性判别分析-Handwriting recognition, for identification of Arabic numerals. Commonly used pattern classification methods can be applied. This small program uses the method is linear discriminant analysis
LDA
- 数据挖掘的线性判别分析,用matlab编写-Data Mining linear discriminant analysis, using matlab write
PRproject_lda
- 线性判别分析（LDA，全称Fisher Linear Discriminant Analysis）算法的C#实现源码，根据stprtool box for matlab中的LDA.m编写。用到MathNet库做相关的矩阵运算，使用zedgraph控制绘图。有简单的测试数据。- C# source code of linear discriminant analysis (LDA, full name of the Fisher Linear Discriminant Analysis) algo
FisherLDA
- fisher模式识别线性判别分析，在信号处理中运用比较普遍-fisher linear discriminant analysis pattern recognition, signal processing used in the more common
fisher
- 费希尔线性判别分析代码 Find the Fisher linear separator w (a column vector). X is is the training set (X is a matrix. Each row of X is a vector containing the features of a single sample). y is a column vector with the labels of the training set (1
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classifiers-to-Solve-Real-World-Class
LFDA
- LLDA，局部线性判别分析，可以降到任意的维度，相比LDA更加优秀(LLDA, Local Linear Discriminant Analysis, can be reduced to any dimension, which is better than LDA.)
线性判别
- 用于线性及非线性的判别分析等，简单实用(Simple and practical for linear and non-linear discriminant analysis)