文件名称：DiffusionLearning-INTEGRAL
文件大小：90KB
文件格式：ZIP
更新时间：2024-04-03 20:14:46
MATLAB
扩散学习-整体 该工具箱允许在非常大的数据集上实施以下基于扩散的聚类算法： 通过无监督非线性扩散（LUND）学习 下载此工具箱后，请执行以下步骤。 它只需要做一次。 确保AVIRS-NG印度森林数据集（标题为“ r1_reg.mat”）在您的MATLAB路径中。 运行“ preprocessing.m”。 该脚本将在本地保存最近的邻居和图像的标准化版本。 该文件是8.07 GB。 完成上述操作后，您可以使用main.m文件分析AVIRIS-NG印度森林数据集。 对于AVIRS-NG印度森林数据集之类的大型数据集，我们经常受到RAM的限制。 在具有8GB RAM的MacBook Pro上，我只能在工作区中存储具有1000个最近邻居的重量矩阵。
【文件预览】：
DiffusionLearning-INTEGRAL-main
----back_end()
--------extract_graph_large.m(879B)
--------knn_store.m(2KB)
--------KDE_large.m(558B)
--------Misc()
--------LUND_files()
----main.m(3KB)
----test_SalinasA()
--------end_diffusion()
--------Hyperparameters()
--------diffusion_code()
--------endmember_toolbox()
--------test_lund.m(2KB)
--------auxiliary()
----README.md(847B)
----Misc()
--------extract_graph_large.m(3KB)
--------knn_store.m(2KB)
--------KDE_large.m(558B)
--------Endmember_Files()
----LUND_files()
--------LearningbyUnsupervisedNonlinearDiffusion_large.m(3KB)
--------LUNDEndmember.m(4KB)
----preprocessing.m(441B)