廣義主成分分析算法及應(yīng)用

定　價(jià)：￥79.00

作　者：	孔祥玉，馮曉偉，胡昌華編
出版社：	國(guó)防工業(yè)
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787118116007	出版時(shí)間：	2018-07-01	包裝：
開(kāi)本：	16	頁(yè)數(shù)：	221	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《廣義主成分分析算法及應(yīng)用》主要討論了系統(tǒng)信號(hào)廣義主成分分析方法及應(yīng)用情況。全書(shū)可分為三部分：部分包括概述和基礎(chǔ)理論，主要介紹廣義主成分分析的概念、外研究現(xiàn)狀，以及與廣義主成分分析密切相關(guān)的矩陣?yán)碚?、?yōu)化理論和神經(jīng)網(wǎng)絡(luò)等理論基礎(chǔ)；第二部分研究多種廣義主成分分析方法，該部分是《廣義主成分分析算法及應(yīng)用》的核心內(nèi)容，重點(diǎn)介紹廣義主成分分析、成對(duì)廣義主成分分析、耦合廣義主成分分析、確定性離散時(shí)間系統(tǒng)、雙目的廣義主成分分析、奇異主成分分析等內(nèi)容；第三部分研究廣義主成分分析方法的應(yīng)用，主要討論在信號(hào)處理、圖像恢復(fù)和模式識(shí)別與分類(lèi)等領(lǐng)域的應(yīng)用?！稄V義主成分分析算法及應(yīng)用》核心內(nèi)容十分新穎，均為近年來(lái)作者們發(fā)表在IEEE信號(hào)處理、神經(jīng)網(wǎng)絡(luò)與學(xué)習(xí)系統(tǒng)等匯刊上的長(zhǎng)文組成編輯提煉而成，是基于神經(jīng)網(wǎng)絡(luò)和優(yōu)化理論的特征信息提取領(lǐng)域研究和應(yīng)用的新進(jìn)展?！稄V義主成分分析算法及應(yīng)用》適合于信息科學(xué)與技術(shù)（電子、通信、自動(dòng)控制、計(jì)算機(jī)、系統(tǒng)工程、模式識(shí)別、信號(hào)處理等）各學(xué)科有關(guān)教師、研究生和科技人員教學(xué)、自學(xué)或進(jìn)修之用。

作者簡(jiǎn)介

暫缺《廣義主成分分析算法及應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

章緒論
1．1 系統(tǒng)特征提取及其意義
1．2 主成分分析外研究現(xiàn)狀
1．2．1 基于神經(jīng)網(wǎng)絡(luò)的主成分分析研究現(xiàn)狀
1．2．2 廣義主成分分析算法研究現(xiàn)狀
1．2．3 基于神經(jīng)網(wǎng)絡(luò)的奇異值分解研究現(xiàn)狀
1．2．4 主成分與廣義主成分分析的研究
1．3 本章小結(jié)
第2章基礎(chǔ)理論
2．1 特征子空間與特征提取
2．2 主成分分析與Oja學(xué)習(xí)規(guī)則
2．2．1 主成分分析基本原理
2．2．2 Hebbian規(guī)則與Oja算法
2．3 主成分分析典型算法
2．3．1 基于Hebbian規(guī)則主成分分析
2．3．2 基于優(yōu)化方法的主成分分析
2．3．3 有側(cè)向連接主成分分析
2．3．4 非線性主成分分析
2．3．5 其他主成分分析
2．3．6 次成分分析神經(jīng)網(wǎng)絡(luò)算法
2．4 廣義主成分分析及其神經(jīng)網(wǎng)絡(luò)算法
2．4．1 廣義Hermitian特征值問(wèn)題
2．4．2 廣義特征信息提取神經(jīng)網(wǎng)絡(luò)算法
2．5 奇異值分解及神經(jīng)網(wǎng)絡(luò)算法
2．5．1 奇異值分解基礎(chǔ)
2．5．2 奇異值特征提取神經(jīng)網(wǎng)絡(luò)算法
2．6 Rayleigh商及其特性
2．6．1 Rayleigh商
2．6．2 Rayleigh商迭代
2．6．3 Rayleigh商求解的梯度和共軛梯度算法
2．6．4 廣義Rayleigh商
2．7 本章小結(jié)
第3章廣義主成分分析
3．1 引言
3．2 廣義主成分分析算法
3．2．1 廣義對(duì)稱(chēng)特征值問(wèn)題的Mathew類(lèi)牛頓算法
3．2．2 廣義特征值分解的自組織算法
3．2．3 廣義特征分解的類(lèi)RLS算法
3．2．4 基于RLS方法的廣義特征向量提取算法
3．2．5 廣義對(duì)稱(chēng)特征值問(wèn)題的快速自適應(yīng)算法
3．2．6 基于冪方法的快速?gòu)V義特征向量跟蹤
3．2．7 基于牛頓法的廣義特征向量提取算法
3．2．8 提取次廣義特征向量的在線算法
3．3 -種新型廣義主成分分析
3．3．1 一種新型的廣義主成分分析算法
3．3．2 GOja算法的自穩(wěn)定性分析
3．3．3 GOja算法的實(shí)驗(yàn)驗(yàn)證
3．4 一種新型廣義次成分分析
3．4．1 基于擬牛頓法的廣義次成分分析算法
3．4．2 多維廣義次成分并行提取準(zhǔn)則
3．4．3 多維廣義次成分并行提取算法
3．4．4 WGIC算法的自穩(wěn)定性分析
3．4．5 WGIC算法的全局收斂性分析
3．4．6 仿真實(shí)驗(yàn)
3．5 本章小結(jié)
……
第4章成對(duì)廣義主成分分析
第5章耦合廣義主成分分析
第6章確定性離散時(shí)間系統(tǒng)
第7章雙目的廣義主成分分析
第8章奇異主成分分析
第9章廣義主成分分析的工程應(yīng)用
參考文獻(xiàn)