matlab编写的 32个降维程序

上传者: 15025373 | 上传时间: 2019-12-21 20:31:31 | 文件大小: 1.06MB | 文件类型: gz
这个Matlab工具箱实现32种维数降低技术。这些技术都可以通过COMPUTE_MAPPING函数或trhough GUI。有以下技术可用:   - 主成分分析('PCA')   - 线性判别分析('LDA')   - 多维缩放('MDS')   - 概率PCA('ProbPCA')   - 因素分析('因子分析')   - Sammon映射('Sammon')   - Isomap('Isomap')   - Landmark Isomap('LandmarkIsomap')   - 局部线性嵌入('LLE')   - 拉普拉斯特征图('Laplacian')   - Hessian LLE('HessianLLE')   - 局部切线空间对准('LTSA')   - 扩散图('DiffusionMaps')   - 内核PCA('KernelPCA')   - 广义判别分析('KernelLDA')   - 随机邻居嵌入('SNE')   - 对称随机邻接嵌入('SymSNE')   - t分布随机邻居嵌入('tSNE')   - 邻域保留嵌入('NPE')   - 线性保持投影('LPP')   - 随机接近嵌入('SPE')   - 线性局部切线空间对准('LLTSA')   - 保形本征映射('CCA',实现为LLE的扩展)   - 最大方差展开('MVU',实现为LLE的扩展)   - 地标最大差异展开('地标MVU')   - 快速最大差异展开('FastMVU')   - 本地线性协调('LLC')   - 歧管图表('ManifoldChart')   - 协调因子分析('CFA')   - 高斯过程潜变量模型('GPLVM')   - 使用堆栈RBM预训练的自动编码器('AutoEncoderRBM')   - 使用进化优化的自动编码器('AutoEncoderEA') 此外,工具箱包含6种内在维度估计技术。这些技术可通过INTRINSIC_DIM函数获得。有以下技术可用:   - 基于特征值的估计('EigValue')   - 最大似然估计器('MLE')   - 基于相关维度的估计器('CorrDim')   - 基于最近邻域评估的估计器('NearNb')   - 基于包装数量('PackingNumbers')的估算器   - 基于测地最小生成树('GMST')的估计器 除了这些技术,工具箱包含用于预白化数据(函数PREWHITEN),精确和估计样本外扩展(函数OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST)的函数以及生成玩具数据集(函数GENERATE_DATA)的函数。 工具箱的图形用户界面可通过DRGUI功能访问

文件下载

资源详情

[{"title":"( 249 个子文件 1.06MB ) matlab编写的 32个降维程序","children":[{"title":"mexall.m <span style='color:#111;'> 1.34KB </span>","children":null,"spread":false},{"title":"compute_mapping.m <span style='color:#111;'> 18.56KB </span>","children":null,"spread":false},{"title":"._x2p.m <span style='color:#111;'> 82B </span>","children":null,"spread":false},{"title":"run_data_through_autoenc.m <span style='color:#111;'> 1.03KB </span>","children":null,"spread":false},{"title":"._lmvu.m <span style='color:#111;'> 193B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

  • weixin_39922116 :
    我感觉还可以
    2019-01-21

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明