线性判别分析FDA

最新推荐文章于 2024-05-18 12:31:36 发布
最新推荐文章于 2024-05-18 12:31:36 发布
阅读量3.4k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机视觉中的数学 文章标签： 计算机视觉 统计学 人脸识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u010719432/article/details/39369665
线性判别分析（FDA）源于Fisher的经典论文，旨在寻找最大化类间离散度和最小化类内离散度的投影方向。随着研究发展，包括Sammon的最佳鉴别平面、Duchene和Leclercq的多类情况公式，以及Jin和Yang的不相关鉴别分析等方法相继提出。然而，实际应用中，特别是在小样本问题如人脸识别时，类内散布矩阵常常奇异，这给抽取最优鉴别特征带来了挑战。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

     线性判别分析（Linear Discriminant Analysis） ，简称 判别分析 ，是统计学 上的一种分析方法，用于在已知的分类之下遇到有新的样本时，选定一个判别标准，以判定如何将新样本放置于哪一个类别之中。这种方法主要应用于医学的患者疾病分级，以及人脸识别、经济学的市场定位 、产品管理 及 市场研究 等范畴。
最低0.47元/天 解锁文章

200万优质内容无限畅学
Fisher判别分析（Fisher Discriminant Analysis，FDA）
weixin_43156294的博客
06-04 1479
Fisher判别分析（Fisher Discriminant Analysis，FDA）是一种统计分类技术，由罗纳德·费舍尔（Ronald Fisher）在1936年提出。它主要用于模式识别、数据降维和分类问题。Fisher判别分析的基本思想是找到一个线性组合的特征，通过这些特征变换后，不同类别的数据在新的空间中能够尽可能地被区分开。
LDA（线性判别分析）--基础降维算法
最新发布
m0_74194861的博客
07-12 4113
关于LDA的个人·全部总结
性判别分析方法FDA总结
12-16
FDA总结 2.1 Fisher Discriminant Analysis 2.1.1 两类情况 2.1.2 多类情况 2.2 判别向量之间的相关性 2.2.1正交LDA(FSLDA) 2.2.2 不相关的LDA(ULDA) 2.2.3 一个融合准则 2.3 SSS问题及其解决 2.3.1 代数方法 2.3.2　两步方法 2.3.3判别空间分析. 2.3.4　其它方法 2.4 关于类间散布矩阵 2.5其它线性判别分析方法 2.6 ILDA 2.7核LDA 2.8　2D-LDA 2.9　PCA和LDA的比较
机器学习_第三篇 判别分析(1)_线性判别分析 LDA/FDA
Blog of Mary Sun
10-03 2126
目录1. 简单的判别分析_ 距离判别法2. Fisher判别分析/线性判别分析 1. 简单的判别分析_ 距离判别法 2. Fisher判别分析/线性判别分析
9.LDA(线性判别分析)
涂作权的博客
05-28 859
判别分析
afl291529699的博客
04-15 197
1. 定义 距离判别问题的数学描述: 设有n个样本，对每个样本测得p项指标(变量)的数据，已知每个样本属于k个类别（或总体）G1，G2， …，Gk中的某一类，且它们的分布函数分别为F1(x)，F2(x)， …，Fk(x)。我们希望利用这些数据，找出一种判别函数，使得这一函数具有某种最优性质，能把属于不同类别的样本点尽可能地区别开来，并对测得同样p项指标（变量）数据的一个新样本，能判定这...
线性分类的数学基础与应用、Fisher判别的推导（python）、Fisher分类器（线性判别分析，LDA）
12-20
Fisher分类器，即线性判别分析（Linear Discriminant Analysis, LDA），是一种基于Fisher判别思想的统计分析方法。它不仅可以用于分类，还可以作为降维工具，将高维数据映射到低维空间。 2. **scikit-learn中LDA的...
人脸图像特征提取matlab代码-image_classification:在这里，我训练了支持向量机，线性判别分析和四层前馈神经网络，以对来
05-22
在这里，我训练了支持向量机，线性判别分析和四层前馈神经网络，以对来自CIFAR-10数据集的10个图像类别进行分类，从而以62.7％的SVM实现了最高的准确性。 该实验的关键问题是发现用于降低尺寸的PCA和LDA的非传统组合...
五、 线性判别分析 LDA
coffee_cream的博客
09-18 1101
线性判别分析（Linear Discriminant Analysis，LDA）是一种经典的有监督数据降维方法，同时也经常被用来对数据进行降维。它是 Ronald Fisher 在 1936 年发明的，因此也称为是 Fisher Discriminant Analysis （FDA）。 1 LDA 原理 LDA 是为了分类服务的，因此目标是希望找到一个投影方向 www，使得投影后的样本尽可能按照原始类别分开。 假设现有数据集 D=(x1,y1),(x1,y1),⋅⋅⋅,(xn,yn)D = {(x_1, y
线性判别分析（LDA）与Fisher判别分析（FDA）降维原理
车手只需要车和手，压力来自轮胎
08-11 1万+
在故障诊断中，我们常常会面对大量的且维数很高的数组，通过我们需要先对数据集进行划分及预处理，而预处理阶段极为重要的一步就是对数据进行降维特征提取，通过某种数学变换将原始高维空间转变成一个低维的子空间。 然鹅，我们常用到的基本就只有两个，一个是主成分分析（PCA），另一个则是今天所要介绍的Fisher判别分析（Fisher Discriminant Analysis，FDA）。 主成分分析的基本思想：设法将原来众多具有一定相关性（比如P个指标，即主成分），重新组合成一组新的互相无关的综合指标来代替原来的指标
判别分析方法讲解
07-10
文章讲解的很详细，是学习判别分析的好资料，请大家分享
CFR算法 消峰
07-24
CFR消峰算法matlab程序，可以直接用于产品中。CFR消峰算法matlab程序，可以直接用于产品中。CFR消峰算法matlab程序，可以直接用于产品中。
Fisher线性判别分析实验
04-24
Fisher线性判别分析实验 Fisher线性判别的原理以及实验数据，MATLAB源程序。
数据降维——主成分分析、因子分析、线性判别分析
weixin_33989058的博客
04-18 1321
数据降维就是降低数据的维度，有两种方式： 1、一种是特征选择：直接选取原有维度的一部分参与后续的计算和建模过程，用选择的维度替代所有维度，整个过程不产生新的维度。 方法： （1）经验法：根据业务经验选择 （2）测算法：通过不断测试多种维度选择参与计算，通过结果来反复验证和调整并最终找到最佳特征方案 （3）统计分析方法：通过相关性分析不同维度间的线性相关性，在相关性高的维度中进行人工去除或...
线性判别分析(LDA)
m0_65325092的博客
05-18 345
解决二分类问题，假设两个类各自都服从正态分布。思想为将样本投影到一条直线上，使得同类的样本点投影尽可能接近，异类的样本点投影尽可能远离(组内方差小组间方差大)。训练完成后，给定一个新的点，将其投影到同一直线上，根据在直线上的位置预测其分类。注意空间中的点投影到直线上都变成了一维的实数而非向量，表示投影到直线上之后到原点的距离。表示投影直线的方向向量(模长为1)和第i类样本的集合、均值向量、协方差矩阵。根据协方差矩阵的性质可知其投影点的方差为。两类样本的均值在直线上的投影为。
origin做主成分分析图_SPSS几种常用的分析方法
weixin_35738080的博客
12-30 5704
一、 主成分分析1.导入数据后，先将数据标准化，消除单位的影响。图1-1 标准化后的数据见图1-2图1-2 标准化数据 2、做主成分分析 操作步骤见图2-1、图2-2图2-1因子分析图2-2 3、提取结果，根据特征值大于1提取出了三个主成分。图3-1特征值图3-2成分矩阵 根据成分矩阵可以写出主成分的表达式 4、根据主成分排序图4-1 排名前10图4-2排名后1...
如何利用Origin进行线性回归分析
weixin_70486583的博客
06-03 1万+
如何利用Origin快速进行线性拟合并出图
数据分析学习记录（四）--在origin中实现单因素方差分析和非参数检验
热门推荐
qq_22658373的博客
07-11 2万+
我不在这里做过多的概念介绍，相关的内容网上一搜一大把，在学习的时候可以参考着看，毕竟我觉得大家并不会系统性的去学习统计学，大部分只是为了作图和数据分析。正态检验就是利用观测数据判断总体是否服从正态分布的检验，它是统计判决中重要的一种特殊的 拟合优度 假设检验 。 常用的正态性检验方法有正态概率纸法、 夏皮罗一威尔克检验法 (Shapiro-Wilktest)，科尔莫戈罗夫检验法，偏度-峰度检验法等。我们在进行单因素方差分析和非参数检验之前首先要做的就是确定数据是否服从正态分布，如果数据服从正态分布我们就可以
FDA算法
weixin_34179762的博客
11-27 1815
FDA算法，Force Directed Algorithm，一种点线图的布局算法，找了半天没有有关描述，只有根据原始英文文档的理解写一下。定义：area=W*L WL为画布的宽度和长度V 点集 E 边集k = sqrt(area/|V|)fa(z) = z*z/kfr(z) = k*k/z k为点密度的开根号。 fa计算了相关的点点距离平方除以k，该算...
Fisher线性判别分析源码及自演示程序
Fisher线性判别分析（Fisher Linear Discriminant Analysis，简称FLDA或FDA）是一种在模式识别和机器学习中常用的统计方法，用于在低维空间对样本进行线性分类。该技术由英国统计学家罗纳德·费舍尔提出，其初衷是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值