对local tensor discriminant analysis的理解，MFA加强版

最新推荐文章于 2024-07-24 14:05:30 发布
最新推荐文章于 2024-07-24 14:05:30 发布
阅读量125 收藏
点赞数
文章标签： 机器学习
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/zpnkwxp2011/article/details/115141243
版权

这是类内和类间的初始值。

不管是i在j的k紧邻，还是j在i的k紧邻，Wij，Wji都会有值，Wij=，Wji=1/kw(j). kw(j)是第j行非零元素个数，也就是在j元素邻居范围内的元素个数。虽然不是对称矩阵，但是通过下面是式子表明可以不用对称。

此处可以是矩阵，因为tr，这也表示F范数。

 

 

zpnkwxp2011
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
理解Tensor张量
锐意工作室
12-03 1758
文章目录理解Tensor张量张量的理解张量的Python程序0维张量1维张量2维张量3维张量参考文档 理解Tensor张量 深度学习的底层是对张量（Tensor）的计算，因此有必要充分理解张量（Tensor）。 张量的理解 可以将张量（Tensor）理解为一个装数值的容器（实际上是多维数组），容器的属性包括： 容器的形状（Shape） 容器的维度/轴（Rank/Axis） 容器内数值的类型（Py...
OneFlow源码解析：Tensor类型体系与Local Tensor
OneFlow深度学习框架
09-01 1845
tensor和op是神经网络模型最基本的组件：op是模型的节点，tensor是连接节点的边。然而，构建一个tensor并不仅仅是构造一个对象那么简单，至少要考虑以下问题：要支持节点本地的local tensor，以及分布式的global tensor；要支持eager和lazy执行模式；要支持不同的数据类型，包括float、double、int等；要支持不同设备。
基于图嵌入的降维算法——局部敏感判别分析(Locality Sensitive Discriminant Analysis ，LSDA)
m0_61363749的博客
10-26 1338
0、前言 上一篇介绍了边界Fisher分析（MFA），这一篇承接上一篇，继续介绍局部敏感判别分析(Locality Sensitive Discriminant Analysis ，LSDA)相关理论，下一篇介绍判别最大化边界投影(Discriminant Maximum Margin Projections，DMMP)方法。 1、局部敏感判别分析（LSDA)理论 LSDA是首先寻找每个样本的近邻，并根据标签信息将这些近邻分为同类近邻和异类近邻两种，然后分别构建本征图和...
机器学习（三十一）——Linear Discriminant Analysis
antkillerfarm的专栏
07-02 1万+
Linear Discriminant Analysis 在《机器学习（十六）》中，我们已经讨论了一个LDA，这里我们来看看另一个LDA。 Linear Discriminant Analysis是Ronald Fisher于1936年提出的方法，因此又叫做Fisher’s linear discriminant。正如之前在《知名数据集》中提到的，Iris flower Data Set也是出...
sklearn浅析（五）——Discriminant Analysis
热门推荐
起风之后，只剩沙丘
07-24 1万+
sklearn中的判别分析主要包括两类，LinearDiscriminantAnalysis和QuadraticDiscriminantAnalysisLinearDiscriminantAnalysis  线性判别分析是一种分类模型，它通过在k维空间选择一个投影超平面，使得不同类别在该超平面上的投影之间的距离尽可能近，同时不同类别的投影之间的距离尽可能远，在LDA中，我们假设每一个类别的数据服从高
人脸识别方法(转载)
zxg519的专栏
01-15 750
原文地址：人脸识别方法(转载)作者：julian_huang http://blog.csdn.net/hunnish/archive/2007/09/03/1770936.aspx HUNNISH 注：从师弟的网站 www.prfans.com 看到了DODO先生所写的“人脸识别方法之个人见解”，感觉收益非浅。本文颇有高屋建瓴的意味，因此在没有经过作者本人的同意下，贸然转载于此，希望读到本文的同
discriminant tensor subspace analysis
zpnkwxp2011的博客
01-18 108
论文Face Recognition and Micro-expression Recognition Based on Discriminant Tensor Subspace Analysis Plus Extreme Learning Machine公式理解 公式6的理解 为什么成立： 为什么？？？
关于tensor的shape理解
SixSheep_的博客
01-15 1万+
关于tensor的shape和dimension 刚把mnist又过了一遍，突然感觉对tensor的shape有了新的理解，虽然很基础，还是想分享一下 关于tensor的维度，也就是阶啦，从认知上理解，一维就是线（数组或者向量），二维就是面（矩阵），三维就是体（数据体），四维是数据阵列 等等等等；新的理解是在表现方式上的，也就是打印出的样子，例如： [ [1,1,1] [1,1,1] ] 显然...
pytorch中的transforms.ToTensor和transforms.Normalize理解
秃头小苏的博客
04-17 8856
  🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题 🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波    张氏标定法原理详解 🍊近期目标：拥有5000粉丝 🍊支持小苏：点赞👍🏼、收藏⭐、留言📩 文章目录pytorch中的transforms.ToTensor和transforms.Normalize理解🌴transforms.ToTensor🌵transforms.Normalize🌵 pytorch中的transforms.ToTensor和transforms.Normali
Hyperspectral Dimensionality Reduction by Tensor Sparse and Low-Rank Graph-Based Discriminant Analysis
02-07
本文提出了一种新的高光谱图像（Hyperspectral Image, HSI）降维方法——基于张量稀疏与低秩图的判别分析（Tensor Sparse and Low-Rank Graph-Based Discriminant Analysis, TSLGDA）。该方法针对传统SLGDA（Sparse ...
Batch process monitoring with tensor global-local structure analysis
02-10
Batch process monitoring with tensor global-local structure analysis
Tensor Analysis and Continuum Mechanics
04-09
这一领域的深入探讨，旨在理解和预测物质在各种条件下的行为，尤其是在外力作用下物质的变形与应力分布。 ### 张量分析 张量分析是数学的一个分支，它扩展了向量分析的概念，以处理多维空间中的物理量。张量不仅...
Tensor analysis with applications in mechanics-WS (2010).pdf
06-03
Tensor analysis with applications in mechanics-WS (2010)
Face Recognition and Micro-expression Recognition Based on Discriminant Tensor Subspace Analysis Plus Extreme Learning Machine
02-20
Python编程、机器学习与深度学习技术
2301_78164062的博客
07-24 725
Python编程、机器学习与深度学习技术
生成对抗网络（Generative Adversarial Network，简称GAN
m0_70066267的博客
07-24 737
生成对抗网络（GAN）作为一种强大的深度学习模型，通过生成器和判别器的相互对抗进行学习，展示了在多个领域的广泛应用潜力。尽管GAN的训练过程存在不稳定性、评估困难等挑战，但随着研究的深入和技术的不断发展，相信GAN将在更多领域发挥重要作用，推动人工智能技术的进一步发展。未来，随着计算资源的不断提升和模型结构的持续优化，GAN的性能和应用范围将得到进一步提升和拓展。
特征工程在机器学习中的重要性
shiming8879的博客
07-24 1179
特征工程中的归一化和标准化操作可以将特征的取值范围映射到合适的区间内，使得不同特征之间的差异对模型的影响最小化。这样做的好处在于可以减少特征的维度，降低模型的复杂度，避免过拟合的风险，并提高模型的训练效率和预测性能。这类方法的特点是在模型训练的过程中自动地进行特征选择，不需要像过滤法那样独立于模型进行特征评估，也不像包裹法那样需要多次训练模型。在梯度提升机的训练过程中，每个弱学习器都会尝试纠正前一个学习器的错误，并在这个过程中对特征的重要性进行评估。这类方法的优点是考虑了特征之间的相互作用和模型的适应性；
人工智能与机器学习原理精解【5】
最新发布
基础数学与应用数学
07-24 1014
下面内容来自文心一言的自动生成特征值分解是一种矩阵分解方法，特别适用于方阵。它能够将一个矩阵分解成特征向量和特征值的线性组合，这在数学、物理、工程及计算机科学等多个领域都有重要应用。以下是对特征值分解的详细说明，包括算法和例子。A=QΛQ−1A = QΛQ^{-1}A=QΛQ−1其中，Q是由A的特征向量构成的矩阵（每列是一个特征向量），Λ是一个对角矩阵，其对角线上的元素是A的特征值。对于实对称矩阵，Q是正交矩阵，即Q的逆等于Q的转置（QTQ^TQT），因此特征值分解可以简化为：A=QΛQTA = QΛQ^T
对python中tensor库的理解
04-26
很抱歉，您说的 "python中tensor库" 我并不是很明白是指哪个库。因为Python本身是一门编程语言，它没有内置的 Tensor 库。但是在Python中有很多用于科学计算和深度学习的第三方库，比如TensorFlow、PyTorch等，这些...
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