MatLab:Fisher 线性判别式 K > 2

Question

我正在尝试在 matlab 中实现 K(Class) > 2 的 Fisher 线性判别函数，我不太确定 K > 2 场景的算法。我知道 Matlab 有内置函数，但我想在不使用它们的情况下实现它。

如果有人能够清除算法，那就太好了。

Answer 1

这是一些示例伪代码:

N = 案例数c= 类数先验=每类每个案例的先验概率向量目标 = 每类每个案例的目标标签数据维度 = 特征 x 案例。

获取每个数据点的目标标签:

T = Targets(:,Cases);      % Target labels for each case 

计算每个类的均值向量和公共(public)协方差矩阵:

classifier.u = [mean(Data(:,(T(1,:)==1)),2),mean_nan(Data(:,(T(2,:)==1)),2),....,mean_nan(Data(:,(T(2,:)==c)),2];   % Matrix of data means
classifier.invCV = cov(Data');

使用类均值向量和公共(public)协方差矩阵获取判别值:

A1=classifier.u;
B1=classifier.invCV;
D = A1'*B1*Data-0.5*(A1'*B1.*A1')*ones(d,N)+log(Priors(:,Cases));

函数将产生 c 个判别值。然后将该案例分配给具有最大判别值的类。