文件名称：matlab中存档算法代码-IJCNN2019:IJCNN2019
文件大小：64KB
文件格式：ZIP
更新时间：2024-06-12 16:56:46
系统开源
matlab中存档算法代码在IJCNN'19论文中发表的题为“通过动态模式分解在多元时间序列数据中学习相干模式”的论文中介绍了我们算法的Matlab实现。 我们将支持向量机简称为SVM，将动态模式分解简称为DMD，将主成分Analisys简称为PCA，将t分布随机邻居嵌入称为tSNE。 数据 本文使用的数据是《 UCI每日和体育活动数据集》。 数据集包含8个人的19个活动。 有关更多详细信息，请参见下面的原始网页。 下载数据后，在下载的文件夹中运行make_data.m并将输出放入./data中。 图书馆 我们使用著名的SVM库LIBSVM。 从下面的网页下载它，然后将./libsvm-3.23替换为下载的./libsvm-3.23。 。 描述 svm_DMD.m，svm_SDMD.m和svm_PCA.m通过SVM执行分类。 SVM的输入是数据的距离矩阵。 这些文件中的距离矩阵分别通过DMD模式，受监督的PCA + DMD模式和PCA模式来计算。 tSNE_DMD.m，tSNE_SDMD.m和tSNE_PCA.m通过tSNE对上述特征向量进行可视化。 例子 svm_SDMD.m的结果如
【文件预览】：
IJCNN2019-master
----tSNE_DMD.m(1KB)
----svm_DMD.m(3KB)
----data()
--------.gitkeep(1B)
----svm_PCA.m(3KB)
----LICENSE(1KB)
----svm_SDMD.m(4KB)
----parameters.mat(272B)
----examples()
--------fig2.png(5KB)
--------fig1.png(45KB)
----tSNE_SDMD.m(2KB)
----function()
--------SDMD.m(810B)
--------.gitkeep(1B)
--------distfun_tsne_pca.m(1KB)
--------distfun_tsne_dmd.m(1KB)
--------distfun.m(2KB)
--------SPCA.m(2KB)
--------DMD.m(876B)
----tSNE_Euclidean.m(635B)
----livsvm-3.23()
--------.gitkeep(1B)
----README.md(2KB)
----make_parameters.m(135B)
----make_data.m(2KB)
----tSNE_PCA.m(1KB)