1) Kernel NDA
核非线性鉴别分析
2) nonlinear discriminant analysis
非线性鉴别分析
1.
A novel large margin nonlinear discriminant analysis of minimization withinclass scatter is proposed.
提出了一种新的非线性鉴别分析算法-基于核的大间距分类器,该算法的主要思想是将原始样本映射到更高维的空间中,利用核技术对传统的大间距分类算法进行改进,在新的高维空间中利用再生核技术寻找核鉴别矢量,使得在这个新的空间中核类内散度尽可能的小。
3) kernel-based nonlinear discriminant analysis
基于核的快速非线性鉴别分析
4) Kernel Fisher Linear Discriminant Analysis(KFDA)
Fisher非线性鉴别分析
5) 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。
6) 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。
补充资料：非线性泛函分析
非线性泛函分析
non-linear functional analysis
非线性泛函分析I朋Jil蓝，r为.甫OI趁1 al司砰如;讹皿此亚-。。益中扮二”“o。~“益叨“31 泛函分析(几川ctional anal郊is)的一个分支，研究无穷维向量空间之间的非线性映射(算子，见非线性算子(non刁泊口r oPemtor))和某些非线性空间类及其映射，非线性泛函分析的基本部分如下: l)Banach空间、拓扑向量空间和某些更一般空间之间的非线性映射的微分学，包括关于可微映射局部反演的定理和隐函数定理. 2)寻求从一个特定的无穷维空间到另一个空间的非线性算子的作用条件，如连续性、紧性的条件. 3)对各种不同类非线性算子(收缩的(con匕通c-硫)、紧的、压缩的(compressing)、单调的以及其他)的不动点原理;这些原理在各种非线性方程解的存在性证明中的应用. 4)研究赋予序向量空间结构的空间中的非线性算子，如单调的、凹的、凸的、有单调弱函数的以及其他的算子. 5)无穷维向量空间中非线性算子的谱性质的研究(分歧点、本征向量的连续分支等等). 6)非线性算子方程的逼近解. 7)局部线性的空间和E以nach流形的研究—整体分析(咖回analysis). 8)非线性泛函极值的研究和研究非线性算子的变分方法.
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