文件名称：matlab终止以下代码-ML:机器学习工具
文件大小：2.73MB
文件格式：ZIP
更新时间：2024-06-10 03:21:27
系统开源
matlab终止以下代码 Dimension Reduction（降维） KL(PCA)主成分分析降维 将所有数据的最终的值看成是由一组互相正交的向量集以及向量对应的系数相乘求和而来。所以主成分分析的目的就是找到一组这样的正交向量，求得对应的系数。降维的目的就是找到前k组重要程度最高的基向量，使得与降维前的平方损失最小。而变换矩阵的求解由数学证明可知，是原始数据协方差矩阵的前k大特征值对应的特征向量。 KPCA（核函数主成分分析） MDS（multiple dimension scaling）多维尺度分析 利用欧式距离矩阵 求解 所需矩阵 B=X'X，与KL（PCA）的(X-E(X))'(X-E(X))不同。 后续步骤和KL变换同理，进行特征值和特征向量的求解，再利用前k大的特征值对应的特征向量求解将维后的向量. Isomap（流形学习-等距特征映射） 试图在多维度数据中的找到一种流行结构来降维。与MDS中的思想一致，不同的是,距离采用的是测地距离，而不是MDS中的欧氏距离。其中测地距离的求解过程通过构造邻接图G、再通过G计算任意两点之间的距离，得到距离矩阵D，在用MDS算法降维。 L
【文件预览】：
ML-master
----fisher_transform.png(30KB)
----KPCA_2Dto3D.png(31KB)
----function_Isomap.m(2KB)
----LLE-demo.png(91KB)
----ERM_sinx.png(33KB)
----function_mean_shift.m(3KB)
----function_Sw.m(185B)
----Isomap.png(71KB)
----function_SVM_b.m(496B)
----function_DBSCAN.m(4KB)
----MDS_3Dto2D.png(27KB)
----SVM_linear_kernal.png(131B)
----function_Gauss_sample.m(664B)
----function_LMSE_HK.m(1KB)
----gmm.png(33KB)
----function_fisher_transform.m(425B)
----SGD_f(x)_example.png(235KB)
----function_KPCA.m(977B)
----function_GMM.m(3KB)
----function_SGD_learning_rate_adapte.m(2KB)
----LMSE_HK.png(24KB)
----function_ERM_Polynomial.m(741B)
----KL-transform.png(102KB)
----mean_shift.png(43KB)
----function_gauss_pdf.m(788B)
----gradient_method.png(92KB)
----function_perception.m(450B)
----function_KL_transform_PCA.m(373B)
----function_MDS.m(1KB)
----Hierarchical_Clustering()
--------fucntion_Hierarchical_Cluster.m(3KB)
--------function_similarity_cluster_p_q.m(498B)
--------中国普通食物营养成分表一览.csv(166KB)
--------run_all.m(837B)
--------function_export_result.m(2KB)
--------result.csv(191KB)
--------function_similarity_matrix.m(505B)
----function_LLE.m(2KB)
----function_SVM_SMO.m(2KB)
----function_SVM_w.m(292B)
----Mean_Shift_Image_Segmentation()
--------lenna_image_segmentation_result.jpg(10KB)
--------lenna.jpg(10KB)
--------grass.png(859KB)
--------function_mean_shift_image_segmentation.m(6KB)
--------grass_image_segmentation_result.jpg(55KB)
----DBSCAN.png(22KB)
----KL-PCA()
--------3.问题：选取变换矩阵Φ.doc(40KB)
--------4.K-L展开式系数的计算步骤.doc(19KB)
--------2.正交向量集{φj}的确定.doc(28KB)
--------5.K-L变换实例.doc(721KB)
--------1.离散的有限K-L展开式的形式.doc(38KB)
----Kmeans.png(80KB)
----README.md(6KB)
----SVM_polynomial_kernal.png(27KB)
----SGD_learning_rate.png(25KB)
----Sw.png(71KB)
----perception_algorithm.png(70KB)
----function_SGD.m(830B)
----function_kmeans.m(2KB)