注冊 | 登錄讀書好,好讀書,讀好書!
讀書網-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網絡數據庫高維數據的特征選擇

高維數據的特征選擇

高維數據的特征選擇

定 價:¥59.00

作 者: 劉波,何希平
出版社: 科學出版社
叢編項: 理論與算法
標 簽: 計算機?網絡 數據庫

購買這本書可以去


ISBN: 9787030493453 出版時間: 2016-08-01 包裝:
開本: 32開 頁數: 字數:  

內容簡介

  《高維數據的特征學習》是根據國家青年基金、重慶市科委、重慶市教委的專項研究結果,系統(tǒng)全面地闡述了*新的高維數據特征學習理論及相應算法。主要通過大間隔理論、跡比(trace-ratio)理論、自動編碼、稀疏編碼等方法來研究高維數據(如圖像,基因等)的特征選擇,特征變換,特征提取等內容。本書將理論與應用相結合,通過引入*新的分布式算法和并行算法來解決在大規(guī)模高維數據集特征學習算法的有效性、可用性。

作者簡介

  劉波,何希平 著

圖書目錄

 基本概念 1.1 特征選擇 1.1.1 相關特征 1.1.2 冗余特征 1.2 特征變換 1.3 特征提取 1.3.1 尺度不變特征變換 1.3.2 方向梯度直方圖 1.4 本章小結 1.5 本書的組織 2 特征選擇及相關技術研究現狀 2.1 傳統(tǒng)特征選擇的研究現狀 2.1.1 生成特征子集 2.1.2 評價特征子集 2.2 監(jiān)督特征選擇算法研究現狀 2.2.1 過濾式特征選擇算法 2.2.2 綁定式 2.2.3 嵌入式特征選擇算法 2.3 本章小結 3 組稀疏子空間的大間隔特征選擇 3.1 模型的基本思想 3.1.1 大間隔學習 3.1.2 組稀疏子空間學習 3.2 模型的建立與實現 3.2.1 模型的建立 3.2.2 目標函數的求解 3.3 算法收斂性分析 3.4 本章小結 4 Trace Ratio- 組稀疏子空間的大間隔特征選擇 4.1 模型建立的基本思想 4.2 模型建立及算法的實現 4.2.1 模型的建立 4.2.2 TR-GSLM算法的求解過程 4.2.3 TR-GSLM算法的收斂性分析 4.3 本章小結 5 高效的Trace:Ratio-組稀疏子空間的大間隔特征選擇 5.1 模型建立的基本思想 5.2 ETR-GSLM算法實現過程 5.3 ETR-GSLM收斂性分析 5.4 實驗分析 5.4.1 實驗數據集及環(huán)境 5.4.2 參與比較的算法 5.4.3 基于分類精度的特征選擇算法性能比較 5.4.4 平均分類精度的比較 5.4.5 提取前30%和60%的特征的分類精度比較 5.4.6 參數的敏感性分析與比較 5.4.7 算法的效率比較 5.4.8 實驗小結 5.5 本章小結 6 無監(jiān)督的特征選擇 6.1 無監(jiān)督特征選擇的分類 6.2 過濾式無監(jiān)督特征選擇 6.2.1 Laplacian評分 6.2.2 譜分解的特征選擇算法 6.3 嵌入式無監(jiān)督特征選擇 6.3.1 將結構信息與機器學習算法結合 6.3.2 結構信息,聚類信息與機器學習算法結合 6.3.3 結構信息,動態(tài)更新聚類信息和機器學習算法結合 6.3.4.動態(tài)更新結構信息,聚類信息和機器學習算法結合 6.4 本章小結 7 計算機視覺中的特征選擇 7.1 高斯混合模型 7.1.1 生成方法和判別方法 7.1.2 高斯混合模型 7.2 Fisher向量 7.3 基于Fisher向量的特征選擇 7.4 本章小結 參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網 ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號