MATLAB中的LDA分类与SCML：稀疏组合度量学习

简介：
本文探讨了在MATLAB环境下利用线性判别分析(LDA)进行分类的方法，并结合稀疏组合度量学习(SCML)，旨在提升模式识别任务中的分类性能和特征选择能力。 LDA分类代码MATLAB稀疏组合度量学习（SCML）允许在基于秩一基础度量的稀疏组合框架下对多类数据进行全局、多任务及局部Mahalanobis度量的学习，实现了大规模数据集上的可扩展性。该代码以GNU/GPL3许可分发。 安装和使用说明： - 在MATLAB控制台内运行`installdemo_global_local` 来查看SCML全局和局部的演示。 - 运行 `demo_multi_task` 查看多任务SCML（mt-SCML）的演示。 注意事项：此代码采用LDA基组，但用户可以根据需要轻松修改以使用自己的基础度量集。 参考文献： Y. Shi、A. Bellet 和 F. Sha 的“稀疏组合度量学习”发表于2014年AAAI人工智能会议（AAAI）上。 致谢：我们的代码从大边距最近邻(LMNN)和参数化局部度量学习(PLML)包中借鉴了一些辅助函数，感谢Shreyas Saxena提供的错误报告及修复帮助。 版本历史： v1.11 (8/2/2016): 修正了多任务目标计算中的小问题，并对代码进行了重写。