PCA的原理 思想 -目的是寻找另一组正交基，即标准正交基的线性组合， 最好的表示数据集。 X = (x1,x2,…,xn) ————>Y = (y1,y2,…,yn) 以样本集合的协方差矩阵(总体散度矩阵)为产生矩阵 ；一个对称、半正定的n×n矩阵，对它 进行特征值分解得到： 基变换矩阵 为n×n正交矩阵, 使得 基向量，矩阵的极大线性无关组,基向量无关，正交基互相正交 project

山东大学计算机科学与技术学院的机器学习课程的实验报告

线性判别分析分类器和二次判别分析分类器包括代码、纸张、电源点

【模式识别】实验一：Fisher线性判别

文章目录一、线性分类的数学基础与应用1、Fisher基本介绍2、Fisher判别思想3、举例二、Fisher判别的推导（python）1、代码2、代码结果三、Fisher分类器1、定义2、scikit-learn中LDA的函数的代码测试3、监督降维技术四、参考文献 一、线性分类的数学基础与应用 1、Fisher基本介绍 Fisher判别法是一种投影方法，把高维空间的点向低维空间投影。在原来的坐标系下，可能很难把样品分开，而投影后可能区别明显。一般说，可以先投影到一维空间(直线)上，如果效果不理想，在投影到另一条直线上(从而构成二维空间)，依此类推，每个投影可以建立一个判别函数。 2、Fishe

现有基于变分模态分解算法(VMD)的轴承故障诊断方法,由于其参数K需要依据先验知识预先设定,缺乏对K值最优设定的理论支撑,难以保证故障特征提取及故障诊断的精确性.针对上述问题,提出一种基于参数估计优化的VMD与多尺度熵(MSE)的石化装备轴承特征提取及诊断新方法.首先,针对VMD分解参数K的难以实现最优设定问题,利用局部均值分解(LMD)自适应分解分量的频率分布特征,构建一种实现K值有效估计的方法;其次,在VMD分解的基础上,提出一种MSE和线性判别分析(LDA)协同特征提取方法,完成特征模型构建;然后,针对轴承故障特征样本过少,利用支持向量机(SVM)对提取故障特征进行识别;最后,利用石化装备实验室仿真平台的轴承故障数据进行实验,验证算法的有效性和工程实用性.对比分析表明,所提出的算法可以很好地提取故障特征且故障识别精度较高,具有较好工程操作性和扩展性.

Fisher线性判别在理解Fisher线性分类的参考代码基础上（matlab代码），改用python代码完成Fisher判别的推导。重点理解“群内离散度”（样本类内离散矩阵）、“群间离散度”（总类内离散矩阵）的概念和几何意义。1、Fisher线性判别（1）、W的确定（2）、阈值的确定（3）、Fisher线性判别的决策规则（4）、“群内离散度”与“群间离散度”2、Python代码 在理解Fisher线性分类的参考代码基础上（matlab代码），改用python代码完成Fisher判别的推导。重点理解“群内离散度”（样本类内离散矩阵）、“群间离散度”（总类内离散矩阵）的概念和几何意义。 1、Fis

该做作品由南信大11级硕D316集体于2011.12.21凌晨2:40完成，为尊重我们的劳动成果，请遵守如下条例： 1.下载后能给予鼓励性评价。 2.作为样本同时也为保持作品的多样性，本文只提供了第一步的划分结果，并给出了相应的图片和参数，后续划分请参考第一步划分。 最后，316宿舍祝大家期末考试顺利，预祝大家新年愉快！

模式识别里的经典，最简单的模型。 适合新手。 这份报告 也是通俗易懂~~也是曾经入门的学生写的~

线性判别分析的人脸识别系统代码matlab程序，直接运行gui界面文件就可以了，希望大家多支持，我会继续分享