isomap降维matlab代码-cclap:基于互协方差的亲和力以利用未开发的图拉普拉斯连通性

  • v5_530090
    了解作者
  • 1.1MB
    文件大小
  • zip
    文件格式
  • 0
    收藏次数
  • VIP专享
    资源类型
  • 0
    下载次数
  • 2022-06-01 23:59
    上传日期
isomap降维matlab代码CCLap 基于互协方差的亲和力以利用未开发的图拉普拉斯连通性 要求 Matlab> R2016a 兼容的C ++ Mex编译器 如何使用? 运行setup.m以执行初始设置。 运行divRun_v2.m以获取分类器的性能。 运行nldr_interactive.m以打开交互式窗口。 图:nldr_interactive.m 分类器结果 表:平均误差(±标准偏差)LapSVM(测试) 表:平均误差(±标准偏差)LapSVM(未标记) 表:平均误差(±标准偏差)LapRLSC(测试) 表:平均误差(±标准偏差)LapRLSC(未标记) 参考 流形正则化:从示例中学习的几何框架,M。Belkin,P。Niyogi,V。Sindhwani,芝加哥大学计算机科学技术报告TR-2004-06,2004, 通过局部线性嵌入来减少非线性维数,Sam Roweis和Lawrence Saul,《科学》,第290卷,第5500期,2000年12月22日。第2323--2326页, 用于非线性降维的全局几何框架,Tenenbaum,J.,de Silva,V.,Langfo
cclap-master.zip
  • cclap-master
  • divRun_v2.m
    1.8KB
  • data
  • NLDRSineHyperboloid.mat
    130B
  • mnist.mat
    133B
  • LegoBricks.mat
    133B
  • NLDRTwinPeakwHole.mat
    130B
  • Hasy2.mat
    132B
  • BciHaLT_A.mat
    132B
  • cifar01.mat
    133B
  • NaturalImages.mat
    134B
  • CVPRv2.mat
    133B
  • usps.mat
    132B
  • NLDRPuncturedSphere.mat
    130B
  • UCMercedLand.mat
    134B
  • NLDRSwissRollwHole.mat
    130B
  • classifier
  • pre_rec_equal.m
    267B
  • breakeven.m
    1.4KB
  • svmprecomputed.cpp
    45.3KB
  • experiment_all.m
    4.3KB
  • adjacency.m
    2.6KB
  • customClassifiers.m
    1.3KB
  • laprlsc.m
    366B
  • svm.h
    1.9KB
  • euclidean.m
    1.9KB
  • mexGramSVMTrain.cpp
    2.9KB
  • lapsvm.m
    714B
  • nldr_interactive.m
    8.3KB
  • results
  • result_v7.mat
    132B
  • LapRLSC_T.jpg
    126.5KB
  • LapSVM_T.jpg
    124.6KB
  • LapSVM_U.jpg
    123.1KB
  • LapRLSC_U.jpg
    124KB
  • HowTo.jpg
    641.5KB
  • experimentnldr.m
    2.8KB
  • code
  • hsicltsa.m
    3.7KB
  • CompactKernel.m
    1.8KB
  • ChangeFigProperties.m
    633B
  • find_nn.m
    2.6KB
  • eigenlaplacian.m
    3.1KB
  • compmedDist.m
    366B
  • ComputeX.m
    423B
  • ltsa.m
    3.3KB
  • L2_distance.m
    2.2KB
  • ConstructHessian.m
    4.7KB
  • ConstructLocalHessian.m
    1.3KB
  • ForwardPCA.m
    345B
  • Isomap.m
    7.3KB
  • lle.m
    2.1KB
  • HminusW.m
    1.5KB
  • ml_options.m
    5.7KB
  • PerformPCA.m
    1KB
  • calckernel.m
    1.3KB
  • GetNormalCoordG.m
    1.9KB
  • GetKNN.m
    2.3KB
  • GetNormalCoordGGivenTS.m
    986B
  • README.md
    2.4KB
  • nldr_interactive.fig
    29.4KB
  • printResults_v3.m
    1.9KB
  • .gitattributes
    42B
  • setup.m
    1.2KB
内容介绍
# CCLap Cross-covariance based affinity to exploit the unexplored graph Laplacian connectivity ## Requirements 1. Matlab > R2016a<br/> 1. Compatible C++ Mex compiler ## How to use? 1. Run **setup.m** to perform initial setup.<br/> 1. Run **divRun_v2.m** to obtain classifier's performance.<br/> 1. Run **nldr_interactive.m** to open the interactive window.<br/> <figure> <figcaption>Figure: nldr_interactive.m</figcaption> </figure> ## Classifier results <figure> <figcaption>Table: Mean error(± Standard deviation) LapSVM (Test)</figcaption> </figure><br/> <figure> <figcaption>Table: Mean error(± Standard deviation) LapSVM (Unlabeled)</figcaption> </figure><br/> <figure> <figcaption>Table: Mean error(± Standard deviation) LapRLSC (Test)</figcaption> </figure><br/> <figure> <figcaption>Table: Mean error(± Standard deviation) LapRLSC (Unlabeled)</figcaption> </figure> ## References <ol> <li>Manifold Regularization: a Geometric Framework for Learning from Examples, M. Belkin, P. Niyogi, V. Sindhwani, University of Chicago Computer Science Technical Report TR-2004-06, 2004, http://manifold.cs.uchicago.edu/manifold_regularization/manifold.html</li> <li>Nonlinear dimensionality reduction by locally linear embedding, Sam Roweis & Lawrence Saul, Science, v.290 no.5500 , Dec.22, 2000. pp.2323--2326, https://cs.nyu.edu/~roweis/lle/code.html</li> <li>A global geometric framework for nonlinear dimensionality reduction, Tenenbaum, J., de Silva, V., Langford, J., Science 290, 2319-2323, 2000, http://web.mit.edu/cocosci/isomap/code/Isomap.m</li> <li>Principal Manifolds and Nonlinear Dimension Reduction via Local Tangent Space Alignment, Zhang, Zhenyue, Hongyuan Zha, SIAM Journal on Scientific Computing, 26 (1), 313–338, 2004, https://arxiv.org/abs/cs/0212008</li> <li>Self-tuning spectral clustering, Zelnik-Manor, L., Perona, P, Advances in neural information processing systems, pp. 1601-1608, 2005, https://papers.nips.cc/paper/2619-self-tuning-spectral-clustering.pdf</li> <li>Adaptive kernel density-based anomaly detection for nonlinear systems, Zhang, L., Lin, J., Karim, R, Knowledge-Based Systems 139, 50-63, 2018, https://www.sciencedirect.com/science/article/pii/S0950705117304707</li> </ol>
评论
    相关推荐
    • pfelk:pfSenseOPNsense + ELK
      通过Kibana中的交互式仪表板,地图,图形可视化网络流量 支持的条目包括: pfSense / OPNSense设置 TCP / UDP / ICMP协议 带仪表板的DHCP消息类型(dhcpdv4) IPv4 / IPv6映射 pfSense CARP数据 openVPN日志解析 ...
    • 知识:另一个Zettelkasten,但不是另一堆笔记
      知识 另一个Zettelkasten,但没有另一堆笔记 web3堆栈 和 可用脚本 在项目目录中,可以运行: npm start 在开发模式下运行应用程序。... 在交互式监视模式下启动测试运行程序。 有关更多信息,请参见关于的部分。
    • Zettelkasten_ICP
      交互式监视模式下启动测试运行器。 有关更多信息,请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React,并优化了构建以获得最佳性能。 生成被最小化,并且...
    • 【高清】ELKstack 中文指南
      ELK Stack 在最近两年迅速崛起, 成为机器数据分析, 或者说实时日志处理领域, 开源界的第一选择
    • elk stack中文教程
      ELK stack中文教材 基于5.0版本 详细书签 很详细的PDF 值得收藏与下载
    • ELKstack+中文指南Chinese
      ELKstack+中文指南_Elasticsearch,+Logstash,+Kibana+user+guide+in+Chinese
    • icviewer
      如果要直接查看ELK图,可以使用在线服务,它是开源 。 该项目可以将文件渲染为交互式图,以表示Chisel生成的Firrtl电路。 它用作IntelliJ easysoc-diagrammer插件的外部渲染器。 强烈建议使用IntelliJ插件查看...
    • kibana中文指南 ELK-guide-cn.rar
      ELK Stack 是 Elasticsearch、Logstash、Kibana 三个开源软件的组合。在实时数据检索和分析场合,三者通常是配合共用 本书知识主要针对的具体版本号: Logstash-1.5 Elasticsearch-1.7 Kibana-4.3
    • elk指南.zip
      内容涉及Elasticsearch+Kiban+Beats+Logstash共647页,内容非常丰富,大家快快学习
    • elk日志分析平台
      系统环境: rhel6.5 elasticsearch:2.3.3 logstash:2.3.3 kibana:4.5.1 https://www.elastic.co/downloads 从官网下载的最新版本 rpm 包