线性判别分析FDA

最新推荐文章于 2023-09-29 10:58:27 发布
最新推荐文章于 2023-09-29 10:58:27 发布
阅读量3.3k 收藏
点赞数
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.csdn.net/u010719432/article/details/39369665
版权
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。
摘要由CSDN通过智能技术生成
     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
最低0.47元/天 解锁文章
Tian_CV_ML
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
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 1954
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
05-28 523
判别分析
afl291529699的博客
04-15 126
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 8426
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
各种各样的FDA Fisher线性判别分析
12-13
Fisher 线性判别分析（LDA） Fisher 线性判别分析（Linear Discriminant Analysis，LDA）是一种常用的降维方法，特别是在模式分类中。它的主要思想是通过选择合适的投影轴，使投影后的数据具有最好的可分性。下面是...
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...
基于非线性映射的Fisher判别分析
01-15
提出一种非线性分类方法--基于非线性映射的Fisher判别分析(NM-PDA).首先提取基向量;然后采用Nystrom方法,以基向量为训练样本,将形式未知的非线性映射近似表达为已知形式的非线性映射,这种近似的非线性映射将变量由非...
数学模型中的判别分析
05-19
1. **多元线性判别分析（LDA）**：最常用的判别分析类型之一，假设各类别内部的方差共享且类间方差最大。LDA通过构建一个投影矩阵，将数据投影到一个低维空间，使得类别间的距离最大化，从而实现分类。 2. **二次...
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 1154
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...
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。
Origin 2018部分使用说明
qq_40016005的博客
11-03 1724
1 Analysis 1.1 Mathematics/数学 1.1.1 Interpolate/Extrapolate Y from X/从 X 内插/外推 Y 1.1.2 Trace Interpolation/轨迹插值 1.1.3 Interpolate/Extrapolate/内插/外推 1.1.4 Interpolate Z from XY/从 XY 插值 Z 1.1.5 3D Interpolation/3D 插值 1.1.6 XYZ Trace Interpolation
线性判别分析（LDA）理解
最新发布
weixin_41767872的博客
09-29 1462
线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的监督学习方法，主要用于降维和分类问题。其基本思想可以总结如下：目标：LDA的主要目标是找到一个线性变换，将原始高维数据映射到一个低维空间，同时最大化不同类别之间的可分性，从而实现降维和分类的双重目标。类别判别性：LDA的关键思想在于最大化不同类别之间的类别判别性，即不同类别的数据在映射后要尽可能分开，同一类别的数据要尽可能聚集在一起。
如何利用Origin进行线性回归分析
weixin_70486583的博客
06-03 9376
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
qq_22658373的博客
07-11 1万+
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
Origin数据分析功能
YunShenShuiMiao的专栏
09-02 1万+
Origin软件提供了非常丰富的数据分析功能，涵盖了几乎所有的常规分析操作。Origin所有的数据分析功能全部集中在Analysis，statistics,Image这三个菜单中。    Analysis下包括Mathematics（数学运算）、Data Manipulation、Fitting（拟合）、Signal Processing（信号处理）和Spectroscope（光谱分析）等功
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 5280
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...
Origin_相关性分析
提供技术服务、资源分享 429690771
10-04 8219
Origin_相关性分析
线性判别分析(LDA)
热门推荐
Lavi的专栏
12-22 5万+
前言在之前的一篇博客机器学习中的数学(7)——PCA的数学原理中深入讲解了，PCA的数学原理。谈到PCA就不得不谈LDA，他们就像是一对孪生兄弟，总是被人们放在一起学习，比较。这这篇博客中我们就来谈谈LDA模型。由于水平有限，积累还不够，有不足之处还望指点。下面就进入正题吧。为什么要用LDA前面的博客提到PCA是常用的有效的数据降维的方法，与之相同的是LDA也是一种将数据降维的方法。PCA已经是一种
"线性判别分析及扩展方法在数据分析中的应用综述
本文主要介绍了线性判别分析（LDA）、二次判别分析（QDA）及其三类相关的扩展方法：灵活判别分析（FDA）、惩罚判别分析和混合判别分析的应用。通过相关模拟数据及实际数据演示了三种方法的使用及其性能。 1. 引言 ...
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