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
MATLAB数据降维工具箱drtoolbox相关推荐
- matlab corrsep,MATLAB数据降维工具箱drtoolbox介绍
1.MATLAB drtoolbox介绍 The Matlab Toolbox for Dimensionality Reduction contains Matlab implementations ...
- matlab 降维工具箱mle,Matlab数据降维工具箱
[实例简介] Matlab Toolbox for Dimensionality Reduction Matlab数据降维工具箱,包括几乎所有的数据降维方法:PCA.LDA.ICA.MDS.Isoma ...
- 数据降维工具箱drtoolbox
drttoolbox : Matlab Toolbox for Dimensionality Reduction是Laurens van der Maaten数据降维的工具箱. 里面囊括了几乎所有的数 ...
- matlab 数据降维和重构_核主成分分析（Kernel PCA, KPCA）的MATLAB 实现
前言 核主成分分析 (KPCA) 是一种非线性数据处理方法,其核心思想是通过一个非线性映射把原始空间的数据投影到高维特征空间, 然后在高维特征空间中进行基于主成分分析 (PCA) 的数据处理.KPCA ...
- matlab数据拟合工具箱的应用（转载）
数据拟合工具箱笔记 在matlab中做数据拟合是非常常见的事,而又以多项式拟合最为常用,下面简单介绍一下常见的多项式拟合的方法: 多项式拟合 1. 多项式拟合命令 x=[1 2 3 4 5 6 7 8 ...
- MATLAB降维工具箱
降维工具箱drtool 工具箱下载:http://leelab.googlecode.com/svn/trunk/apps/drtoolbox/ --------------------------- ...
- 【数据降维】数据降维方法分类
数据降维基本原理是将样本点从输入空间通过线性或非线性变换映射到一个低维空间,从而获得一个关于原数据集紧致的低维表示. 数据降维工具箱drtoolbox中众多算法,这里简单做个分类. 因为很多并没有仔细 ...
- matlab半小提琴图,数据可视化——Matlab平台matlab-barplot工具箱绘制小提琴图
数据可视化--Matlab平台matlab-barplot工具箱绘制小提琴图 概述:基于matlab平台的matlab-barplot工具箱绘制小提琴图 小提琴图(violin plot)可以理解为另 ...
- matlab lda数据降维,LDA有标签数据降维
之前无标签数据降维PCA,那么像下图带有标签数据,如果用PCA降维将会投影到v轴上,这个投影方差最大,数据将变成不可分状态,LDA将把数据投影加上已有分类这个变量,将数据投影到u轴上 假设原数据分成n ...
最新文章
- jquery过滤HTML标签方法
- Python实现信息自动配对爬虫排版程序
- Facebook的一些基本操作（网页版）
- AspectJ对AOP的实现
- Altium Designer 09 使用要点：电气连接工具
- [转]vim基础入门、语法速探、快捷键与宏
- （转）Spring Boot (十四)： Spring Boot 整合 Shiro-登录认证和权限管理
- idea中如何添加自定义的todo
- VBS中Sub与Function的区别［资料］
- 网易邮箱发送显示服务器出错,网易邮件发送不出去的错误代码详解 （MI:SFQ错误等）...
- 服务器vga连接笔记本显示器,为什么用vga线链接笔记本和显示器,显示器的画质根本没法直视...
- IFrame里面的子页面html内容变化时，怎么动态改变IFrame的高度
- Unity中访问GameCenter的实现
- 你能编写CMS79F623的EEPROM写入数据20到地址1，并且给出具体代码
- C盘爆满，电脑卡顿，笔记本电脑一键重置，让电脑运行重新变快！
- Kalman实际应用总结
- 16、Mediator 仲裁者模式
- Qemu kvm_qemu详细教程
- 什么事MVC？什么是MVC！
- IDEA如何运行SpringBoot项目（超详细截图）