随笔分类 -  论文

MDS
摘要：转载:https://blog.csdn.net/victoriaw/article/details/78500894 多维缩放（Multidimensional Scaling, MDS）是一组对象之间的距离的可视化表示，也可以当做一种无监督降维算法使用。 为了直观了解MDS，给一个简单例子。假设 阅读全文
posted @ 2018-09-27 23:11 喵喵小学僧 阅读(485) 评论(0) 推荐(0)
ISOMAP
摘要：转载 https://blog.csdn.net/dark_scope/article/details/53229427# 维度打击，机器学习中的降维算法：ISOMAP & MDS 降维是机器学习中很有意思的一部分，很多时候它是无监督的，能够更好地刻画数据，对模型效果提升也有帮助，同时在数据可视化中 阅读全文
posted @ 2018-09-14 22:25 喵喵小学僧 阅读(761) 评论(0) 推荐(0)
ISOMAP和MDS降维
摘要：转载自https://blog.csdn.net/victoriaw/article/details/78497316 核心：测地线距离（dijstra最短路径获得）、MDS降维 Isomap（Isometric Feature Mapping）是流行学习的一种，用于非线性数据降维，是一种无监督算法 阅读全文
posted @ 2018-09-12 08:38 喵喵小学僧 阅读(3932) 评论(0) 推荐(0)
dijstra算法
摘要：无向图、赋权有向图 的最短路径 阅读全文
posted @ 2018-09-12 08:01 喵喵小学僧 阅读(127) 评论(0) 推荐(0)
rmse均方根误差
摘要：rmse=sqrt(sum(（w-r）.^2)/length(w)) 阅读全文
posted @ 2018-04-09 14:55 喵喵小学僧 阅读(335) 评论(0) 推荐(0)
基和时间平移矩阵
摘要：f（tao，w，c/s）为基函数，共有501*61个。501为脉冲时间的中心，61为正弦30个余弦30个加0频率。 前半部分不考虑频率只构造高斯函数。 高斯函数-（t-tao）2 tao为脉冲中心坐标 % Gaussian kernelsTK = (Tinv+1)*(2*kmax+1);t = (0 阅读全文
posted @ 2018-03-05 16:23 喵喵小学僧 阅读(199) 评论(0) 推荐(0)