1) Generalized Linear Discriminates Analysis
广义线性鉴别分析
2) Generalized Fisher discriminant analysis
广义Fishier鉴别分析
3) kernel generalized optimal discriminant analysis
核广义鉴别分析
4) linear discriminant analysis
线性鉴别分析
1.
Fisher linear discriminant analysis(LDA) and Maximum Scatter Difference Discriminate Analysis(MSDDA) are firstly adopted to extract two sets of features in the same pattern space,respectivel.
为了有效地融合Fisher线性鉴别分析与最大散度差鉴别分析所抽取的特征,得到更加全面反映原始样本的鉴别特征集,提出了基于典型相关分析的增强线性鉴别分析方法。
2.
Based on linear discriminant analysis a arithmetic was proposed.
基于线性鉴别分析原理,给出了一个拟合度判断算法。
3.
Uncorrelated discriminant analysis is a very effective method for linear discriminant analysis and plays an important role in discriminant analysis.
不相关鉴别分析是一种非常有效并起着重要作用的线性鉴别分析方法,它能抽取出具有不相关性质的特征分量。
5) linear discriminant analysis(LDA)
线性鉴别分析
1.
Direct LDA(DLDA) is an extension of Linear Discriminant Analysis(LDA) to deal with the small sample size problem,which is previously claimed to take advantage of all the information,both within and outside of the within-class scatter\'s null space.
直接线性鉴别分析(DLDA)是一种以克服小样本问题而提出的LDA扩展方法,被声明利用了包含类内散布矩阵零空间外的所有信息。
6) linear discriminant analysis(LDA)
线性鉴别分析(LDA)
补充资料：多元线性回归分析
在线性相关条件下，研究两个或两个以上自变量对一个因变量的数量变化关系，称为多元线性回归分析。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条