lda模型matlab代码-PatternRecognition_Matlab:通过训练数据集学习特征约简预测和分类器模型，并将其用于对测试数
lda模型matlab代码PatternRecognition_Matlab
抽象的
通过训练数据集学习特征约简预测和分类器模型，并将其用于对测试数据集进行分类。
本文比较了几种减少特征的方法：主成分分析（PCA），线性判别分析（LDA）及其核方法（KPCA，KLDA）。
相应地，实现了几种分类算法：支持向量机（SVM），高斯二次最大似然和K近邻（KNN）和高斯混合模型（GMM）。
结论
我们的实验表明，SVM是增加维数空间的最可靠方法，而SVM和LDA对噪声最敏感。
文献资料
代码运行指令
输入数据
：
主功能
：
关于作者
文件下载
评论信息
其他资源
- 5G移动通信技术的发展与应用趋势（word+pdf）
- Q／GDW 376.1-2013 最新word版
- labview字符串拆分到数组 支持中文1
- eda实验4选1多路选择器
- kingbase8-Finaldialect-5.2.17.jar
- Python-Fruits360包含水果和蔬菜的图像数据集
- 基于Linux的多人聊天程序
- linux jdk-6u27-linux-i586.bin
- NTC_10K_3880热敏电阻温度对照表(含计算公式)
- 固高卡编程资料
- 电子商务实验室软件
- Microsoft Remote Desktop Beta.app.zip
- UnrealEngineExploration：我正在学习如何使用虚幻引擎-源码
- Redis从入门到精通（深入剖析）【55集完整资料】23-redis-redis中关于列表类型数据的操作命令2.avi
- scipy_0.14.0.win_amd64_py2.7.exe
- es 学习资料.zip
- 现代汉语常用字表
- 基于MCU的嵌入式在线升级系统的设计与实现
- servlet-api 3.0版本
- 继电保护 学习课件电气专业必看
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
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