KLFDA 基于局部Fisher准则的非线性核Fisher辨别分析

基于局部Fisher准则的非线性核Fisher辨别分析，应用于有监督的特征提取与高维数据的有效降维。

% test_KLFDA.m
%
% （c） Masashi Sugiyama Department of Compter Science Tokyo Institute of Technology Japan.
%     sugi@cs.titech.ac.jp     http://sugiyama-www.cs.titech.ac.jp/~sugi/software/LFDA/

clear all;

rand（‘state‘0）;
randn（‘state‘0）;

%%%%%%%%%%%%%%%%%%%%%% Generating data
n1a=100;
n1b=100;
n2=100;
X1a=[randn（2n1a）.*repmat（[1;2][1 n1a]）+repmat（[-6;0][1 n1a]）];
X1b=[randn（2n1b）.*repmat（[1;2][1 n1b]）+repmat（[ 6;0][1 n1b]）];
X2= [randn（2n2 ）.*repmat（[1;2][1 n2 ]）+repmat（[ 0;0][1 n2 ]）];
X=[X1a X1b X2];
Y=[ones（n1a+n1b1）;2*ones（n21）];

%%%%%%%%%%%%%%%%%%%%%% Computing LFDA solution

%Gaussian kernel
K1=Kmatrix_Gauss（X1）;
[T1Z1]=KLFDA（K1Y1）;

% linear kernel
K2=X‘*X;
[T2Z2]=KLFDA（K2Y1）;

%%%%%%%%%%%%%%%%%%%%%% Displaying original 2D d

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2471  2009-04-04 16:52  KLFDA\demo_KLFDA.m

     文件       2443  2009-04-04 21:12  KLFDA\KLFDA.m

     文件        199  2006-12-22 10:58  KLFDA\Kmatrix_Gauss.m

     目录          0  2010-04-20 09:33  KLFDA

----------- ---------  ---------- -----  ----

                 5113                    4