MATLAB数据降维工具箱drtoolbox

The Matlab Toolbox for Dimensionality Reduction contains Matlab implementations of 38 techniques for dimensionality reduction and metric learning.

下载地址：

https://lvdmaaten.github.io/drtoolbox/code/drtoolbox.tar.gz

 

ThisMatlab toolbox implements 32 techniques for dimensionality reduction. Thesetechniques are all available through the COMPUTE_MAPPING function or trhoughthe GUI. The following techniques are available:
Principal Component Analysis ('PCA')
  Linear Discriminant Analysis ('LDA')
  Multidimensional scaling ('MDS')
  Probabilistic PCA ('ProbPCA')
  Factor analysis ('FactorAnalysis')
  Sammon mapping ('Sammon')
  Isomap ('Isomap')
  Landmark Isomap ('LandmarkIsomap')
  Locally Linear Embedding ('LLE')
  Laplacian Eigenmaps ('Laplacian')
  Hessian LLE ('HessianLLE')
  Local Tangent Space Alignment ('LTSA')
  Diffusion maps ('DiffusionMaps')
  Kernel PCA ('KernelPCA')
  Generalized Discriminant Analysis('KernelLDA')
  Stochastic Neighbor Embedding ('SNE')
  Symmetric Stochastic Neighbor Embedding('SymSNE')
  t-Distributed Stochastic Neighbor Embedding('tSNE')
  Neighborhood Preserving Embedding ('NPE')
  Linearity Preserving Projection ('LPP')
  Stochastic Proximity Embedding ('SPE')
  Linear Local Tangent Space Alignment('LLTSA')
  Conformal Eigenmaps ('CCA', implemented asan extension of LLE)
  Maximum Variance Unfolding ('MVU',implemented as an extension of LLE)
  Landmark Maximum Variance Unfolding('LandmarkMVU')
  Fast Maximum Variance Unfolding ('FastMVU')
  Locally Linear Coordination ('LLC')
  Manifold charting ('ManifoldChart')
  Coordinated Factor Analysis ('CFA')
  Gaussian Process Latent Variable Model('GPLVM')
  Autoencoders using stack-of-RBMs pretraining('AutoEncoderRBM')
  Autoencoders using evolutionary optimization('AutoEncoderEA')

即

- 主成分分析（ 'PCA'）

- 线性判别分析（ 'LDA'）

- 多维定标（ 'MDS'）

- 概率PCA（ 'ProbPCA'）

- 因子分析（ 'FactorAnalysis'）

- 利用Sammon映射（ '的Sammon'）

- Isomap的CWME（ 'Isomap的CWME'）

- 地界标均匀映射（ 'LandmarkIsomap'）

- 局部线性嵌入（ 'LLE'）

- 拉普拉斯特征映射（“拉普拉斯”）

- 海森LLE（ 'HessianLLE'）

- 局部切空间排列（“LTSA”）

- 扩散地图（ 'DiffusionMaps'）

- 核PCA（ 'KernelPCA'）

- 广义判别分析（ 'KernelLDA'）

- 随机邻居嵌入（ 'SNE'）

- 对称随机邻居嵌入（“SymSNE”）

- 叔分布式随机邻居嵌入（“tSNE”）

- 保持近邻嵌入（ 'NPE'）

- 线性保持投影（ 'LPP'）

- 随机接近嵌入（ 'SPE'）

- 线性局部切空间排列（“LLTSA”）

- 共形特征映射（“CCA”，LLE的实施峨山扩展）

- 最大方差展开（“MVU”，作为LLE的扩展实现）

- 标最大方差展开（“LandmarkMVU”）

- 快速最大方差展开（“FastMVU”）

- 局部线性协调（ 'LLC'）

- 阀组图表（ 'ManifoldChart'）

- 协调因子分析（ 'CFA'）

- 高斯过程潜变量模型（“GPLVM”）

- 自动编码使用堆叠的-RBMS预训练（ 'AutoEncoderRBM'）

- 使用自动编码进化优化（“AutoEncoderEA”）

Furthermore,the toolbox contains 6 techniques for intrinsic dimensionality estimation.These techniques are available through the function INTRINSIC_DIM. Thefollowing techniques are available:

  Eigenvalue-based estimation ('EigValue')
  Maximum Likelihood Estimator ('MLE')
  Estimator based on correlation dimension('CorrDim')
  Estimator based on nearest neighborevaluation ('NearNb')
  Estimator based on packing numbers('PackingNumbers')
  Estimator based on geodesic minimum spanningtree ('GMST')
Inaddition to these techniques, the toolbox contains functions for prewhiteningof data (the function PREWHITEN), exact and estimate out-of-sample extension(the functions OUT_OF_SAMPLE and OUT_OF_SAMPLE_EST), and a function thatgenerates toy datasets (the function GENERATE_DATA).

Thegraphical user interface of the toolbox is accessible through the DRGUIfunction.
 

安装：

将下载好的drtoolbox工具包解压到指定目录：D:\MATLAB\R2014b\toolbox

找到' D:\MATLAB\R2012b\toolbox\local\pathdef.m'文件，打开，并把路径添加到该文件中，保存。

如何添加工具箱，网上很多教程

运行rehash toolboxcache 命令，完成工具箱加载

>>rehash toolboxcache

 完毕！！！

参考：

(250条消息) MATLAB数据降维工具箱drtoolbox的安装过程及使用_uncle_ll的博客-CSDN博客_drtoolbox