You are here: MatlabCode > 降维
降维
-
-
Fisher算法源码
应用统计方法解决模式识别问题的困难之一是维数问题，低维特征空间的分类问题一般比高维空间分类问题简单。因此，人们力图将特征空间进行降维，降维的一个基本思路是将d维特征空间投影到一条直线上，形成一维空间，这在数学上比较容易实现。问题的关键是投影之后原来线性可分的样本可能变为线性不可分。一般对于线性可分的样本，总能找到一个投影方向，使得降维后样本仍然线性可分。如何确定投影方向使得降维以后，样本不但线性可分，而且可分性更好（即不同类别的样本之间的距离尽可能远，同一类别的样本尽可能集中分布），就是Fisher线性判 -
降维，特征选择等机器学习的源码
浙大蔡登，何晓飞写的降维，特征选择等机器学习的源码包括：谱回归，降维，特征选择，主题模型，矩阵分解，稀疏编码，哈希，聚类，主动学习，矩阵学习。是一个很好的机器学习源码资料。 -
-
-
-
改进的分段线性表示方法
改进的分段线性表示方法，含有四种基本算法，自顶向下，自底向上，滑窗，以及滑窗式自底向上算法。是流行的降维、分类算法。改进之后，所得出的线段是连续的，解决了离散线段带来的不便。 -
-
-
