suy的博客

1． 算法描述 LDA是一种特征降维算法，目前的工作在使用SVM分类的时候，遇到特征维数过大而导致过拟合的问题，所以希望通过LDA算法降低特征维度，解决过拟合的问题。LDA算法的目的是使得样本在投影后的子空间中保持最大的类间距离和最小的类内距离。2． 公式推导 首先计算类内样本均值和类间样本均值： 然后得到类间离散度矩阵和类内离散度矩阵： 通过fisher线性

最近刚学习完tensorflow cnn并用它跑了个实验。在tensorflow官网有关于手写数据集识别MNIST的实验，链接如下 https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/index.html与上一篇NN相比，CNN的难度体现在以下两点： 1. 对输入数据的处理 2. 网络中增加了更多的超参数相比于NN，CN