FISHER线性判别MATLAB实现.docx,Fisher线性判别上机实验报告 班级: 学号: 姓名: 算法描述 Fisher线性判别分析的基本思想:选择一个投影方向(线性变换,线性组合), 将高维问题降低到一维问题来解决,同时变换后的一维数据满足每一类内部的样本 尽可能聚集在一起,不同类的样
那么关键就是找到这条直线的方向,找得好,分得好,找不好,就混在一起。因此fisher方法目标就是找到这个最好的直线方向以及如何实现向最好方向投影的变换。这个投影变换恰是我们所寻求的解向量 ,这是fisher算法的基本问题。 样本训练集以及待测样本的特征数目为n。为了找到最佳投影方向,需要计算出各类均值、样本类内...
3.Fisher判别分析Matlab实现 3.1. Matlab实现 首先调用obj=fitcdiscr(X,y)训练模型,其中obj为获得的大量参数的包裹,X 为数据集合,其中行表示样本,列表示指标特征,y为对应的样本的类别。再调用r=predict(obj,Z)来进行预测,r为获得的预测判别结果,Z为需要判别的矩阵(类似于X)。 需要深究,可参看MATLAB的fitcdiscr函...
...按此方法,对数据进行线性变换,使其落在[0,1]区间范围内。 其中,xi表示待转换数据集x中的元素值,min(x)表示数据集x中的最小值,max(x)表示数据集x中的最大值。...利用下面的Matlab命令即可求解: y=(x-mean(x))/std(x) 得到y=[ 0.4142,0.6914,-1.6793,0.7145,-0.1409]Fisherr-z变换Fisher...r...
fisher线性判别matlab代码.doc,fisher线性判别matlab代码 clear clc close all; %m1,m2均为10个样本 % m1=[-0.4,0.58,0.089;-0.31,0.27,-0.04;0.38,0.055,-0.035;-0.15,0.53,0.011;-0.35,0.47,0.034;0.17,0.69,0.1;-0.011,0.55,-0.18]; % m2=[0.83,1.6,-0.014;1.1,1.6,0.48;
% MAIN_GUI MATLAB code for main_gui.fig % MAIN_GUI, by itself, creates a new MAIN_GUI or raises the existing % singleton*. % % H = MAIN_GUI returns the handle to a new MAIN_GUI or the handle to % the existing singleton*. ...
fisher线性判别matlab代码(Fisherlineardiscriminantmatlabcode)清楚的中图分类号关闭所有;%M1、M2均为10个样本%M1=[0.4,0.58,0.089;-0.31,0.27,0.04;0.38,0.055..
fisher线性判别matlab代码 clear clc close all; %m1,m2均为10个样本 % m1=[-0.4,0.58,0.089;-0.31,0.27,-0.04;0.38,0.055,-0.035;-0.15,0.53,0.011;-0.35,0.47,0.034;0.17,0.69,0.1;-0.011,0.55,-0.18]; % m2=[0.83,1.6,-0.014;1.1,1.6,0.48;-0.44,-0.41,0.32;0.047,-0.45,1.4;0.28,0.35,3.1;...
%变换向量w=inv(Sw)*(u1-u2)'%b) 画出投影前的两类样本点和投影线.(即特征向量:各类方差) x1=m1(1:s,1);y1=m1(1:s,2);z1=m1(1:s,3);x2=m2(1:t,1);y2=m2(1:t,2);z2=m2(1:t,3);%subplot(1,2,1);figure(1)plot3(x1,y1,z1,'r*',x2,y2,z2,'b*'); %plot3为...
这就体现在对$m_1-m_2$向量按$S_w^{-1}$作一线性变换,从而使Fisher准则函数达到极值点。 ¶四、MATLAB实验 使用fisher线性判别器完成了对两类样本的分类,蓝线为决策面,蓝线代表的方向为投影方向。红线为样本点投影到的直线。 算法的关键代码如下: ...