线性降维：PCA、ICALDA、LFA、LPP（LE的线性表示）非线性降维方法：基于核函数的非线性降维方法——KPCA、KICA、KDA；基于特征值的非线性降维方法（流型学习）——ISOMAP、LLE、LE、LPP、LTSA、MVU。哈尔滨工业大学计算机技术专业的Heucoder整理了PCA、KPCA、LDA、MDS、ISOMAP、LLE、TSNE、AutoEncoder、FastICA、SVD、...
https://github.com/heucoder/dimensionality_reduction_alo_codes/tree/master/codes/LE LPP(Locality Preserving Projections) LPP 即局部保留投影算法,其思路和拉普拉斯特征映射类似,核心思想为通过最好的保持一个数据集的邻居结构信息来构造投影映射,但 LPP 不同于 LE ...
LPP(Locality Preserving Projection),局部保留投影. 前几天学习了PCA,LDA算法,都是经典的降维算法。第一种为无监督学习,第二种为监督学习。 今天看了另一种监督学习的降维算法LPP(Locality Preserving Projection),在此记录下自己的心得体会。 就从算法的步骤上来说,LDA和LPP有着惊人的相似,以至于我怀疑他们之间只...
调用decomposition = require "decomposition" ,然后是以下任何一项: decomposition.pca(x) , decomposition.lda(x, y) , decomposition.lpp(x) , decomposition.npp(x) , decomposition.fastica(x) 。 或者,您可以使用 iTorch notebook 并打开decomposition.ipynb 。 贡献 叉它! 创建您的功能分支: git checkout...
针对齿轮箱故障声发射信号特征增强问题,提出一种多尺度正交 PCA-LPP 非线性流形学习特征增强方法,兼顾 PCA 的全局方差增大变换特性以及 LPP 的局部非线性特征保持特性,并通过正交化消除投影分量间的冗余信息,使处理之后的齿轮箱故障信号内含的故障特征得到增强,一方面增强后信号包络谱中的故障谱线清晰明显,另一方面增强后...
局部保持投影(Locality preserving projections,简称LPP)[10]通过最好的保持一个数据集的邻居结构信息来构造投影映射,其思路和拉普拉斯特征映射类似,区别在于不是直接得到投影结果而是求解投影矩阵。 假设有样本集x1 ,...,xm。这里的目标是寻找一个变换矩阵A,将这些样本点映射到更低维的空间,得到向量y1 ,...,ym,使...
|__流形学习:ISOMap、LLE、LPP等。 |__其他方法:神经网络和聚类 2. 主成分分析PCA 2.1. PCA简介 PCA(Principal Components Analysis)即主成分分析,是图像处理中经常用到的降维方法。它不仅仅是对高维数据进行降维,更重要的是经过降维去除了噪声,发现了数据中的模式。PCA把原先的n个特征用数目更少的m个特征取代...
495 -- 30:05 App 数据降维-LPP算法原理 983 -- 45:44 App 20210531 主成分分析 [SPSS版] 4357 -- 52:58 App 主成分分析法5 2289 -- 39:06 App PCA主成分分析 3.4万 16 1:11:53 App 用SPSS做主成分分析 | Principal components analysis using SPSS 494 -- 43:43 App 基于PCA算法的人脸...
太太好用了,特别是在需要加一些feature的时候,神器呀。同时github也十分的social,也就意味着呢,可以认识很多很多很有意思的人呢。 这里也算是对这个project一个宣传吧,用Java写的,遵循object-oriented design principles. 代码如果有github账户,希望可以star一下,哈...
其中AutoEncoder只是使用AutoEncoder简单的实现了一个PCA降维算法,自编码器涉及到了深度学习领域,其本身就是一个非常大领域 LE算法的鲁棒性极差,对近邻的选择和数据分布十分敏感 2019.6.20添加了LPP算法,但是效果没有论文上那么好,有点迷,后续需要修改