挣扎的青椒-CSDN博客

转载线性、非线性分类器&数据的线性、非线性

线性、非线性分类器&数据的线性、非线性一、线性分类器：有无数个可划分这两个线性可分类的超平面在二维空间里面，一个线性分类器是一条线。图14.8展示了五个分类例子。这些线有一个函数形式w1x1+w2x2=b。线性分类器的分类规则是：如果w1x1+w2x2>b，就把一个文档归类为，如果w1x1+w2x21,x2)T是文档的二维向量表示，

2017-02-15 10:40:21 4805 1

转载超平面简介

超平面什么是超平面我们最常见的平面概念是在三维空间中定义的:Ax+By+Cz+D=0Ax+By+Cz+D=0它由两个性质定义:方程是线性的: 是空间点的各分量的线性组合方程数量为1若抛却维度等于3的限制, 就得到了超平面的定义. 方程数量为1, 它的本质其实是自由度比空间维度dd小一. 自由度的概念可以简单的理解为

2017-02-15 09:37:26 1516

转载分类和聚类的区别

1.分类（监督）分类是数据挖掘中的一项非常重要的任务，利用分类技术可以从数据集中提取描述数据类的一个函数或模型（也常称为分类器），并把数据集中的每个对象归结到某个已知的对象类中。从机器学习的观点，分类技术是一种有指导的学习，即每个训练样本的数据对象已经有类标识，通过学习可以形成表达数据对象与类标识间对应的知识。从这个意义上说，数据挖掘的目标就是根据样本数据形成的类知识并对

2017-02-14 20:16:57 1483 1

转载最大似然分类法MLC

最大似然分类法MLC前言：最小距离分类法只考虑了待分类样本到各个类别中心的距离，而没有考虑已知样本的分布，所以它的分类速度快，但精度不高。今天要介绍的是另外一种分类方法——最大似然分类法，它也是分类里面用得很多的一种分类方法，它在分类的时候，不仅考虑了待分类样本到已知类别中心的距离，而且还考虑了已知类别的分布特征，所以其分类精度比最小距离分类法要高。

2017-02-14 15:41:30 15998 2

转载光谱角制图(SAM)

光谱角制图(SAM) SAM算法是由Kruse等[146]在1993年提出，把图像中的每个像元的光谱视为一个高维向量，通过计算两向量间的夹角来度量光谱间的相似性，夹角越小，两光谱越相似，属于同类地物的可能性越大，因而可根据光谱角的大小来辨别未知数据的类别。分类时，通过计算未知数据与已知数据间的光谱角，并把未知数据的类别归为最小光谱角对应的类别中。根据两向量间的

2017-02-14 15:35:23 19774

转载 k近邻分类(kNN)

k近邻分类(kNN)一、KNN原理： kNN属于监督分类方法，原理是利用某种距离度量方式来计算未知数据与已知数据的距离，并根据距离来确定数据光谱间的相似性，选取最近的k个距离作为判定未知数据类别的依据。在分类时，kNN常用方法有：投票法，根据k个距离对应已知数据的类别进行统计，把出现次数最多的类别作为未知数据的类别；平均法，利用k个距离及其对应已知数据的类别，计算k个距离

2017-02-13 10:22:47 4721 1

MNF是由Green等[65]于1988年在PCA的基础上提出。MNF首先对数据噪声进行估计，得到噪声协方差矩阵，用于分离和调节数据中的噪声，去除数据噪声的相关性，并对噪声进行归一化处理，得到方差为1且不相关的噪声数据；然后，分别对噪声数据和信号数据进行PCA变换，并求PCA变换后数据的信噪比；最后，由大到小排列信噪比，得到数据的各主成分信息。PCA是根据方差大小来获取主成分信息，而MNF是由信噪

2017-02-10 23:40:22 5222 1

转载 MNF最小噪声分离变换(转)

一、MNF原理：最小噪声分离变换（Minimum Noise Fraction Rotation，MNF Rotation）工具用于判定图像数据内在的维数（即波段数），分离数据中的噪声，减少随后处理中的计算需求量。MNF本质上是两次层叠的主成分变换。第一次变换（基于估计的噪声协方差矩阵）用于分离和重新调节数据中的噪声，这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关。第二步

2017-02-10 23:17:12 30621

转载 LDA算法入门(转)

LDA算法入门一． LDA算法概述：线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD)，是模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信

2017-02-10 00:12:48 409

转载 LDA 线性判别分析（转）

LDA 线性判别分析标签： class数据结构算法优化c2012-09-26 14:34 13481人阅读评论(3) 收藏举报1. LDA是什么线性判别式分析（Linear Discriminant Analysis），简称为LDA。也称为Fisher线性判别（Fisher Linear Discriminant，FLD），是模式识别的经典算法，在1996年由B

2017-02-10 00:10:53 340

转载向量求导（转）

向量求导 (2012-04-23 22:40:37)转载▼标签：向量求导杂谈分类：数学之美1. 矩阵Y对标量x求导：相当于每个元素求导数后转置一下，注意M×N矩阵求导后变成N×M了 Y = [y(ij)] --> dY/dx = [dy(ji)/dx]

2017-02-10 00:09:02 3286

转载协方差矩阵的定义及其计算公式（转）

协方差矩阵的定义及其计算公式 (2014-03-20 18:36:56)转载▼ 分类： matlab协方差矩阵在机器学习中经常用到，查看wiki：http://zh.wikipedia.org/wiki/协方差矩阵可知协方差矩阵的具体计算公式如下：在统计学与概率论中，协方差矩阵是一个矩阵，其每个元素是各个向量元素

2017-02-10 00:07:06 108410 1

转载 PCA的数学原理（转）

PCA的数学原理（转）向量的表示及协方差矩阵http://blog.csdn.net/songzitea/article/details/18219237PCA的数学原理http://blog.codinglabs.org/articles/pca-tutorial.html------------------------------------------------

2017-02-10 00:03:32 502

转载 PCA的数学原理(非常值得阅读)！！！！

[+]PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。当

2017-02-09 23:31:31 528

duanyule_cqu的博客