搜索资源列表
lle
- 局部线性嵌入算法的matlab代码,改算法是流形学习中的一个算法，目的是将高维流形空间映射到低维嵌入空间。可用于非线性高维数据的降维-matlab code of Local linear embedding algorithm
swissroll
- 基于LLE（局部线性嵌入）算法的瑞士卷降维程序，程序自动生成瑞士卷，然后降维输出图像。-Based on LLE (locally linear embedding) dimensionality reduction algorithm Swiss roll program, the program automatically generates Swiss roll, then drop-dimensional output image.
LLE
- 局部线性嵌入LLE算法的实现，一种非线性降维方法。-Nonliear dimensional reduction by locally linear embedding
LLE
- 局部线性嵌入LLE，是一种非常高效的非线性降维方法，本文PPT主要介绍了LLE算法的实现过程，同时分析了其参数的选择，和MATLAB的仿真实现-Locally linear embedding LLE, is a very efficient nonlinear dimensionality reduction method, this paper mainly introduced the PPT LLE algorithm realization process, and analyzes
LDE-Algorithm
- 局部线性判别嵌入算法，用于实现高维数据的特征提取与低维嵌入，可以很好地实现数据的降维。-Local linear discriminant embedding algorithm, used to implement the feature extraction and the low dimensional embedding of high-dimensional data, can well realize data dimension reduction.
lle1
- 能实现局部线性嵌入算法来完成数据的降维，需要设置参数有K，d-To achieve local linear embedding algorithm to perform data dimensionality reduction, you need to set the parameters K, d
lle
- 此算法可以实现局部线性嵌入的降维，对于生成的数据进行可视化-This algorithm can be implemented locally linear embedding dimension reduction for visualization of data generated
lle
- lle（局部线性嵌入）算法的源代码，适合进行人脸识别等，可降维。-lle (LLE) algorithm source code, suitable for face recognition, can reduce the dimension.
lle
- 局部线性嵌入算法（LLE），matlab完美实现，用于高维数据的降维，是非线性降维算法！-This is a LLE which can ruduce the dismention of data.
lle
- lle局部线性嵌入算法，对数据做降维处理，数学建模，文本分类方面有比较好的效果-Lle locally linear embedding algorithm, the dimension data, mathematical modeling, text classification has a good effect
3
- 基于马氏距离度量的局部线性嵌入算法 局部线性嵌入算法(LLE)中常用欧氏距离度量样本间相似度.而 对于图像等高维数据,欧氏距离不能准确体现样本间的相似程度.文中提出基于马氏距离度量的局部线性嵌入算法(MLLE).算法首先从现有样本中学习到一个 马氏度量,然后在LLE算法的近邻选择、现有样本及新样本降维过程中用马氏度量作为相似性度量.将MLLE算法及其它典型的流形学习算法在ORL和 USPS数据库上进行对比实验,结果表明MLLE算法具有良好的识别性能. -Based on local
局部线性嵌入
- 利用局部线性嵌入算法将高维数据映射到低维空间中，达到降维效果；(The local linear embedding algorithm is used to map the high dimensional data into the low dimensional space to achieve the effect of reducing the dimension.)