基于矩陣分解的信息融合方法及應用

定　價：￥78.00

作　者：	馬園園著
出版社：	科學技術文獻出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787518959037	出版時間：	2019-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	253	字數(shù)：

內容簡介

　　《基于矩陣分解的信息融合方法及應用》共7章，大體可分為3個部分：第一部分包括第1章和第2章，介紹了信息融合的基礎知識；第二部分包括第3章至第5章，介紹了一些基于矩陣分解的信息融合方法；第三部分包括第6章和第7章，介紹了一些經(jīng)典的異構網(wǎng)絡模塊識別算法，并總結了該領域的若干研究趨勢。該書重點是第3章至第5章，該部分內容由淺入深、逐層遞進，讀者在閱讀這部分內容時，需具備一定的高等數(shù)學、線性代數(shù)知識。該書內容主要來源于筆者攻讀博士學位期間的工作和在看文獻的過程中萌生出的一系列想法，因此，有必要將該書的主要體系結構和特色做一簡單說明，以區(qū)別于其他信息融合和機器學習著作。該書主要針對現(xiàn)有信息融合方法中的不足，分別研究了基于對稱非負矩陣分解的信息融合模型、考慮圖正則化的對稱非負矩陣分解融合模型和基于對稱非負矩陣分解的預測模型，并將其應用到跨模態(tài)信息檢索任務中。

作者簡介

　　馬園園，男，博士，主要研究領域：機器學習、復雜網(wǎng)絡、生物信息學等，目前就職于安陽師范學院計算機與信息工程學院，從事信息分析、信息組織與檢索教學、科研等工作，近3年來，在國際主流會議和期刊上發(fā)表論文8篇，擔任多個國際SCI期刊審稿人。

圖書目錄

1 緒論
1．1 研究背景與研究意義
1．1．1 研究背景
1．1．2 研究意義
1．2 國內外研究進展
1．2．1 信息融合研究現(xiàn)狀述評
1．2．2 基于機器學習的信息融合研究現(xiàn)狀述評
1．2．3 存在的主要問題
1．3 研究內容與本書結構
1．3．1 研究內容
1．3．2 本書結構
1．4 本書主要貢獻
2 信息融合相關理論
2．1 信息融合概念與原理
2．1．1 信息融合概念
2．1．2 信息融合原理
2．2 信息融合策略
2．2．1 早期融合
2．2．2 中期融合
2．2．3 后期融合
2．3 子空間學習理論
2．3．1 多視角譜聚類
2．3．2 連接的多視角非負矩陣分解
2．3．3 一致的多視角非負矩陣分解
2．3．4 基于多、圖的信息融合
2．4 本章小結
3 基于對稱非負矩陣分解的信息融合模型
3．1 對稱非負矩陣分解
3．1．1 相似性度量
3．1．2 目標函數(shù)與優(yōu)化
3．2 SNMF與核K均值聚類、譜聚類的等效性
3．2．1 核K均值聚類
3．2．2 譜聚類
3．2．3 實例
3．3 基于對稱非負矩陣分解的聚類融合模型
3．3．1 建模思想
3．3．2 基本假設和一致性矩陣表述
3．3．3 基于對稱非負矩陣分解的聚類融合模型的建立
3．3．4 算法優(yōu)化
3．4 實例分析與討論
3．4．1 數(shù)據(jù)集描述與預處理
3．4．2 實驗結果
3．4．3 分析與討論
3．5 本章小結
4 考慮圖正則化的對稱非負矩陣分解信息融合模型
4．1 正則化思想
4．1．1 正則化理論
4．1．2 圖正則化框架
4．2 基于Laplacian正則化的對稱非負矩陣分解融合模型
4．2．1 建模思想概述
4．2．2 基本假設
4．2．3 基于Laplacian正則化的對稱非負矩陣分解融合模型
4．2．4 算法優(yōu)化
4．2．5 實例分析與討論
4．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．1 建模思想概述
4．3．2 基本假設和定義
4．3．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．4 算法優(yōu)化
4．3．5 實例分析與討論
4．4 基于對稱非負矩陣分解的預測模型
4．4．1 基于對稱非負矩陣分解的實時樣本預測模型
4．4．2 實驗分析與討論
4．5 本章小結
……
5 基于對稱非負矩陣分解融合模型在跨模態(tài)檢索中的應用
6 其他多視角信息融合模型及應用
7 總結與展望
參考文獻
附錄
致謝