注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網(wǎng)絡數(shù)據(jù)庫基于低秩結構學習的譜聚類理論與方法

基于低秩結構學習的譜聚類理論與方法

基于低秩結構學習的譜聚類理論與方法

定 價:¥48.00

作 者: 杜世強
出版社: 中國科學技術出版社
叢編項:
標 簽: 暫缺

ISBN: 9787504692139 出版時間: 2021-10-01 包裝: 平裝-膠訂
開本: 16開 頁數(shù): 字數(shù):  

內(nèi)容簡介

  近年來,隨著數(shù)據(jù)獲取能力的不斷提高和計算機的飛速發(fā)展,人們獲得的數(shù)據(jù)信息越來越多,數(shù)據(jù)維數(shù)越來越高,如何尋找這些海量高維數(shù)據(jù)信息中潛在的規(guī)律,更好地為人類服務,是目前人工智能面臨的挑戰(zhàn)之一。 在沒有標簽信息的情況下,對高維數(shù)據(jù)實施維數(shù)約簡的同時進行歸類分析,挖掘數(shù)據(jù)的內(nèi)在低秩結構,是當前機器學習的一個難點、也是熱點之一。譜聚類作為聚類分析的一種,不僅對初始值和數(shù)據(jù)噪聲有更好的魯棒性,而且實施簡單,可以被標準的線性代數(shù)方法進行有效求解。因此,基于低秩結構學習的譜聚類理論和方法在機器學習、人工智能、大數(shù)據(jù)技術方面有著更加廣闊的應用空間。本書主要研究了基于低秩結構學習的譜聚類理論與方法,從矩陣和張量兩方面進行研究。重點關注緊湊低秩表示學習、魯棒的無監(jiān)督特征選擇學習、圖正則化低秩因子分解學習、張量低秩稀疏表示學習和增強的張量低秩表示學習等,理論分析了這些基于低秩結構的表示學習方法優(yōu)化過程、復雜度、收斂性等,實驗結果表明了這些方法在譜聚類方面的優(yōu)越性。

作者簡介

  杜世強,理學博士,西北民族大學副教授,碩士研究生導師,國家自然基金面上項目函評專家,IEEE會員、中國計算機學會會員。曾于美國猶他州立大學和意大利摩德納雷焦艾米利亞大學訪學,研究方向為機器學習、圖像處理與神經(jīng)網(wǎng)絡。在《基于知識系統(tǒng)》(Knowledge-Based Systems)、《吉林大學學報》等國內(nèi)外學術期刊發(fā)表論文40余篇。主持國家自然科學基金項目、甘肅省自然科學基金項目、甘肅省高等學??蒲许椖康软椖?項。

圖書目錄

第1章 譜聚類
1.1 譜聚類研究背景及意義
1.2 聚類研究現(xiàn)狀
1.3 維數(shù)約簡研究現(xiàn)狀
1.4 張量相關預備知識
1.5 相關問題
第2章 圖正則化緊湊低秩表示學習
2.1 引言
2.2 低秩表示
2.3 圖正則化緊湊低秩表示學習
2.4 模型分析
2.5 實驗結果與分析
2.6 本章小結
第3章 魯棒的無監(jiān)督特征選擇學習
3.1 魯棒的無監(jiān)督特征選擇學習
3.2 算法分析
3.3 實驗結果與分析
3.4 本章小結
第4章 圖正則化低秩因子分解學習
4.1 引言
4.2 相關工作
4.3 圖正則化低秩因子分解學習
4.4 實驗結果與分析
4.5 本章小結
第5章 張量低秩稀疏表示學習
5.1 引言
5.2 相關工作
5.3 張量低秩稀疏學習
5.4 實驗和分析結果
5.5 本章小結
第6章 增強的張量低秩表示學習
6.1 引言
6.2 相關工作
6.3 增強張量低秩表示
6.4 實驗與結果分析
6.5本章小結
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.shuitoufair.cn 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號