Matlab线性判别分析.zip

Matlab代码 LDA分析，可以用作特征提取或者分类器

function [TrainingTime TestingTime TrainingAccuracy TestingAccuracylabel_index_actual] = elm（train_data train_label test_data test_label Elm_Type NumberofHiddenNeurons ActivationFunction）

% Usage: elm（TrainingData_File TestingData_File Elm_Type NumberofHiddenNeurons ActivationFunction）
% OR:    [TrainingTime TestingTime TrainingAccuracy TestingAccuracy] = elm（TrainingData_File TestingData_File Elm_Type NumberofHiddenNeurons ActivationFunction）
%
% Input:
% train_data                  - Filename of training data set
% train_label                 - Label of training data set
% test_data                   - Filename of testing data set
% test_label                  - Label of testing data set
% Elm_Type              - 0 for regression; 1 for （both binary and multi-classes） classification
% NumberofHiddenNeurons - Number of hidden neurons assigned to the ELM
% ActivationFunction    - Type of activation function:
%                           ‘sig‘ for Sigmoidal function
%                           ‘sin‘ for Sine function
%                           ‘hardlim‘ for Hardlim function
%                           ‘tribas‘ for Triangular basis function
%                           ‘radbas‘ for Radial basis function （for additive type of SLFNs instead of RBF type of SLFNs）
%
% Output: 
% TrainingTime          - Time （seconds） spent on training ELM
% TestingTime           - Time （seconds） spent on predicting ALL testing data
% TrainingAccuracy      - Training accuracy: 
%                           RMSE for regression or correct classification rate for classification
% TestingAccuracy       - Testing accuracy: 
%                           RMSE for regression or correct classification rate for classification
%
% MULTI-CLASSE CLASSIFICATION: NUMBER OF OUTPUT NEURONS WILL BE AUTOMATICALLY SET EQUAL TO NUMBER OF CLASSES
% FOR EXAMPLE if there are 7 classes in all there will have 7 output
% neurons; neuron 5 has the highest output means input belongs to 5-th class
%
% Sample1 regression: [TrainingTime TestingTime TrainingAccuracy TestingAccuracy] = elm（‘sinc_train‘ ‘sinc_test‘ 0 20 ‘sig‘）
% Sample2 classification: elm（‘diabetes_train‘ ‘diabetes_test‘ 1 20 ‘sig‘）
%

%%%%%%%%%%% Macro definition
REGRESSION=0;
CLASSIFIER=1;

%%%%%%%%%%% Load training dataset    
T=train_label‘;                                 % 训练数据的标签
P=train_data‘;                                  % 训练数据

%%%%%%%%%%% Load testing dataset
TV.T=test_label‘;                              % 测试数据的标签
TV.P=test_data‘;                               % 测试数据

NumberofTrainingData=size（P2）;
NumberofTestingData=size（TV.P2）;
NumberofInputNeurons=size（P1）;

if Elm_Type~=REGRESSION
    %%%%%%%%%%%% Preprocessing the data of classification
    sorted_target=sort（cat（2TTV.T）2）;
    label=zeros（11）;                               %   Find and save in ‘label‘ class label from training and testing data sets
    label（11）=sorted_t

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-02-01 21:24  LDA\
     文件      648938  2019-01-21 17:03  LDA\di_data.mat
     文件        8676  2018-09-23 14:22  LDA\elm.m
     文件        1652  2019-02-01 21:24  LDA\fit_big.asv
     文件        1754  2019-02-01 21:28  LDA\fit_big.m
     文件        8682  2019-01-28 10:46  LDA\LDA.m