-
-
基于LDA的SIFT算法在图像配准中的应用
针对SIFT算法复杂程度高，实时性差，在维数较高的图像配准中并不实用的问题，提出了一种基于线性鉴别分析（LDA）的SIFT算法（SIFT-LDA）。首先利用SIFT算法提取出图像的特征点向量，然后用LDA方法对其进行特征抽取并降维。通过高维自然图像和单幅人脸图像进行实验，实验结果表明SIFT-LDA算法在保证匹配精度的同时，实时性要优于传统的SIFT算法，其匹配时间相对于传统SIFT算法缩短了将近一半。
-
lda：node.js的LDA主题建模
LDA
javascript中的node.js潜在Dirichlet分配（LDA）主题建模。 LDA是一种机器学习算法，可从文档集中提取主题及其相关关键字。
在LDA中，文档可能包含几个不同的主题，每个主题都有自己的相关术语。 该算法 ... 的单词，例如沙子，海洋和水。 同样，天气主题可能包含相关的词，例如太阳，温度和云。
参见
$ npm install lda
用法
var lda = require ( 'lda' ) ;
// Example docum
-
lda-topic-modeling：LDA主题建模的基于浏览器的PureScript实现
LDA主题建模
潜在的Dirichlet分配（LDA）主题建模的基于浏览器的PureScript实现。 能够接收两个或更多文档，并 ... 。 了解有关更多信息。
生成并运行
# Install Git.
git clone git@github.com:lettier/lda-topic-modeling.git
cd lda-topic-modeling
# Install nvm and npm.
nvm use
npm install -g bower
npm install
bower install
...
-
jLDADMM：用于LDA和DMM主题模型的Java包
jLDADMM：用于LDA和DMM主题模型的Java包
jLDADMM已发布，它为普通或短文本上的 ... 替代方法。 概率主题模型，例如潜在狄利克雷分配（LDA）[1]和相关模型[2]，被广泛用于发现文档集中的 ... 短文本（例如Tweets）更具挑战性。 一种方法是在训练LDA之前将短文本组合成长的伪文档。 另一种方法是假设每个文档只有一个主题[3]。
jLDADMM提供了LDA主题模型[1]和每个文档一个主题的Dirichlet多项式混合（DMM）模型（即，字母组合的混合）[4]的实现。 LDA和DMM的实现分别使
-
-
-
-
红外光谱结合基于小波变换的LDA和BPNN研究甜橙炭疽病
... 光谱结合基于小波变换(WT)的线性判别分析（LDA）和反向传播网络（BPNN）研究了甜橙 ... 差异，提取该尺度三个区域的系数作为特征参数建立LDA和BPNN模型，结果表明LDA模型对样品的识别效果比BPNN模型好。选取1750~950 cm-1 范围内的FTIR ... 第5尺度的逼近系数(DWTAC)和细节系数(DWTDC)建立LDA和BPNN模型，结果显示利用细节系数建立的模型比逼近系数识别效果好，LDA和BPNN模型对样品的识别正确率均为95%。结果表明小波变换结合LDA和BPNN用于傅里叶变换红外光谱技术能够准确 ...
-
-
LDA与PCA的讲解与matlab演示
详细讲解lda与pca的特征降维方法，并结合实际分类例子来演示matlab，用matlab做出散点图 详细讲解lda与pca的特征降维方法，并结合实际分类例子来演示matlab，用matlab做出散点图
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
