您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 新LLE算法matlab代码

  2. 一种用于特征提取,并实现数据降维的局部线性嵌入算法(LLE)
  3. 所属分类:其它

    • 发布日期:2014-11-24
    • 文件大小:3072
    • 提供者:kdys33
  1. 局部线性嵌入(LLE)

  2. 流形学习中的局部线性嵌入LLE非常经典的算法,中间一些推导过程是非常有利于初学者的!
  3. 所属分类:讲义

    • 发布日期:2015-12-24
    • 文件大小:1048576
    • 提供者:lilacylzx
  1. 局部线性嵌入降维算法(LLE)

  2. 对局部线性嵌入降维算法讲解的清楚、易懂
  3. 所属分类:讲义

    • 发布日期:2016-11-02
    • 文件大小:335872
    • 提供者:subwayss
  1. 基于基追踪方法的LLE降维算法研究

  2. 这是本人2018年6月初的毕业论文,当时网上并没有相关资料,因此属于原创,如有雷同,纯属巧合。 由于想清楚这个课题离交稿只有三天,由于时间关系,所以论文中的实验结果是不对的,我将在后续博客中公布正式结果 在LLE的降维过程中,若高维流形的数据量较大,为了保证提取流形的几何结构特征具有全局特性,需要扩大近邻点的集合,但根据实验结果,当近邻点个数大于高维流形的维数,可能会出现降维错误。而现有的基于正交匹配追踪的改进LLE算法(LLE-OMP),由于0范数的限制,实质上近邻点的选取还是不会大于高维流
  3. 所属分类:机器学习

    • 发布日期:2018-07-07
    • 文件大小:1048576
    • 提供者:planetar
  1. 基于最大边界准则的稀疏局部嵌入特征提取方法

  2. 针对局部线性嵌入算法(LLE)无法利用样本的鉴别信息,最大边界准则算法(MMC)对非线性数据处理能力较弱的不足,提出一种基于最大间距准则的稀疏局部嵌入(SLE/MMC)特征提取算法。在保持局部近邻的前提下,首先在类内紧致图中使同类样本尽可能地聚集在一起;然后在类间惩罚图中使不同类别的样本尽可能分离;最后使用弹性网回归算法得到一个最优的稀疏投影矩阵。为了避免小样本问题,采用MMC的形式构造目标函数。在ORL、Yale以及UMIST人脸库上的实验结果可以看到,同其他几种方法(PCA、LLE和MMC
  3. 所属分类:其它

    • 发布日期:2019-07-22
    • 文件大小:1048576
    • 提供者:weixin_39841856
  1. LLE算法(局部线性嵌入)

  2. LLE算法(局部线性嵌入),包含算法和实验部分,
  3. 所属分类:互联网

    • 发布日期:2020-05-11
    • 文件大小:68608
    • 提供者:jiujiangluck
  1. 基于LLE-FOA-BP模型的煤与瓦斯突出强度预测

  2. 针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络(LLE-FOA-BP)模型的煤与瓦斯突出强度预测方法。借助LLE算法的非线性数据特征提取优势,提取煤与瓦斯突出影响因素原始数据的本质特征,形成重构有效因子,降低数据间的冗余信息及噪声;利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值,避免陷入局部极小,提高参数寻优效率;将重构有效因子输入优化后的BP神经网络进行训练,实现煤与瓦斯突出强度快速、准确预测。测试结果表明
  3. 所属分类:其它

    • 发布日期:2020-04-30
    • 文件大小:928768
    • 提供者:weixin_38720461
  1. INI流水线学习:将Isomap,LLE和扩散图算法应用于几个数据集,包括经典瑞士卷数据,虹膜数据集,MNIST,神经元尖峰数据和分子动力学模拟数据-源码

  2. EN.553.738高维近似,概率和统计学习最终项目 关查理,胡志明,张杰约翰·霍普金斯大学 在这个项目中,我们探索三种不同的非线性降维/流形学习算法:Isomap,局部线性嵌入(LLE)和扩散图/ Laplacian特征图。 我们在数据集上对这些算法进行基准测试,例如经典的瑞士卷,虹膜,MNIST和神经元尖峰数据。 我们还将它们与主成分分析(PCA)进行比较,后者是一种线性降维算法。 最后,我们有一个使用扩散图的演示来分析氢二聚体的玩具分子动力学模拟的自由能态。 要运行任何基准测试/演示,请
  3. 所属分类:其它

    • 发布日期:2021-02-18
    • 文件大小:13631488
    • 提供者:weixin_42122986
  1. 一种改进的大尺度高光谱流形降维算法

  2. 经典流形算法等距映射(ISOMAP)和局部线性嵌入(LLE)可以对高光谱数据进行降维,但不能解决大尺度高光谱图像的流形降维难题。详细论述了ISOMAP和LLE在大尺度高光谱流形降维中遇到的问题,提出了一种基于增量等距映射(IISOMAP)和LLE结合的高光谱流形降维算法IISOMAP-LLE,并针对流形降维算法较线性降维算法最小噪声分离(MNF)可以更好地发掘出高光谱数据中的非线性结构的优点,通过AVIRIS和OMIS-II数据实验验证了算法的可行性和优越性,并证明了IISOMAP-LLE算法可
  3. 所属分类:其它

    • 发布日期:2021-02-08
    • 文件大小:7340032
    • 提供者:weixin_38610870
  1. 基于网格划分局部线性嵌入算法的近红外光谱相似性度量方法

  2. 近红外光谱数据的高维、高冗余、高噪声和非线性的特性严重影响了光谱相似性度量的准确性, 针对该问题, 提出了一种基于网格划分局部线性嵌入(GGLLE)算法的近红外光谱相似性度量方法。首先, 根据关键化学成分在光谱中的表达, 将高维光谱数据划分为多个网格子空间。其次, 对局部线性嵌入(LLE)算法做了两方面改进, 并采用改进的LLE算法依次实现每个子空间从高维空间向低维空间的特征映射, 计算生成子空间的相似度矩阵。最后, 将子空间相似度矩阵归一化处理并求解所累加和生成光谱样本集的相似度矩阵, 实现光
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:3145728
    • 提供者:weixin_38663973
  1. 基于局部线性嵌入算法的苹果粉分类高光谱散射图像分析

  2. 采集了580个“美味”苹果的600纳米至1000纳米之间的高光谱散射图像,用于肉类分类。 开发了局部线性嵌入(LLE)算法,以直接从高光谱散射图像数据中提取特征。 应用偏最小二乘判别分析(PLSDA)和支持向量机(SVM)来开发基于LLE,均值LLE和均值光谱算法的分类模型。 基于LLE算法的模型实现了80.4%的总体分类准确率,而采用PLSDA进行两类分类(即粉状和非粉状)的均值-LLE算法为76.2%,均值光谱法为73.0%。 对于SVM模型,LLE算法的总体分类准确度为82.5%,相比之下
  3. 所属分类:其它

    • 发布日期:2021-03-28
    • 文件大小:404480
    • 提供者:weixin_38746818