matlab程序，用于对提取的各种特征值进行线性判别分析，进而分析分类器用于分类的有效性

视频教程

视频教程

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：判别分析_matlab.zip 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

表8-2 学生的四门课程的成绩 姓 名 数 学 物 理 语 文 政 治 hxh 99.00 98.00 78.00 80.00 yaju 88.00 89.00 89.00 90.00 yu 79.00 80.00 95.00 97.00 shizg 89.00 78.00 81.00 82.00 hah 75.00 78.00 95.00 96.00 john 60.00 65.00 85.00 88.00 watet 79.00 87.00 50.00 51.00 jess 75.00 76.00 88.00 89.00 wish 60.00 56.00 89.00 90.00 Iiakii 100.00 100.00 85.00 84.00

对于通常数据维数很大的医学成像/生物数据，典型的 LDA 应用程序由于试图反转一个不可能的大矩阵而失败。 这可以使用内核技巧来补救。 当前文件尝试执行此操作。 如果您将此作品用作作业/论文/论文的一部分，请引用以下论文： Gaonkar、Bilwaj 和 Christos Davatzikos。 “基于支持向量机的多元图像分析和分类的统计显着性图的解析估计。” NeuroImage 78 (2013): 270-283。 请注意，此代码是作为上述论文工作的一部分开发和分发的，引用这有助于我们开发和分发更多此类工作。 我已经尝试在代码中加入适当的注释，这段代码的灵感来自于之前在 matlab central 上提交的几个代码

Fisher线性判别式分析，Matlab程序对Iris数据进行分类，经过十次交叉验证计算准确率

matlab判别分析代码 Multidomain Discriminant Analysis (MDA) MATLAB and Python code of paper Shoubo Hu, Kun Zhang, Zhitang Chen, Laiwan Chan. Conference on Uncertainty in Artificial Intelligence (UAI) 2019.

为了缓解线性判别分析(linear discriminant analysis,LDA)方法在小样本情况下出现的矩阵奇异性问题,针对彩色人脸图像,利用其四元数矩阵表示模式,在人脸识别中引入基于四元数表示的二维LDA、双向LDA方法.这些方法充分利用了彩色图像的空间分布信息,通过在行、列方向降维提取图像的2DLDA、BDLDA特征,缓解了类内散度矩阵的奇异性问题.在FERET彩色人脸数据库及AR彩色人脸数据库上的大量实验证明,本文方法与基于四元数矩阵表示的2DPCA、BDPCA算法相比,识别性能均有提高.

- 允许 >=2 类- 只需要基础 MATLAB（不需要工具箱） - 假设数据是完整的（没有缺失值） - 已通过统计软件验证 警告： - 如果无法计算合并协方差，矩阵值将为 ("Inf") （没有错误） - 需要 Matlab >=7.6 (OOP synatx)