您好,欢迎来到聚文网。 登录 免费注册
基于低秩结构学习的谱聚类理论与方法

基于低秩结构学习的谱聚类理论与方法

  • 字数: 175000
  • 装帧: 平装
  • 出版社: 中国科学技术出版社
  • 作者: 杜世强
  • 出版日期: 2021-10-01
  • 商品条码: 9787504692139
  • 版次: 1
  • 开本: 16开
  • 页数: 132
  • 出版年份: 2021
定价:¥48 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
近年来,随着数据获取能力的不断提高和计算机的飞速发展,人们获得的数据信息越来越多,数据维数越来越高,如何寻找这些海量高维数据信息中潜在的规律,更好地为人类服务,是目前人工智能面临的挑战之一。在没有标签信息的情况下,对高维数据实施维数约简的同时进行归类分析,挖掘数据的内在低秩结构,是当前机器学习的一个难点、也是热点之一。谱聚类作为聚类分析的一种,不仅对初始值和数据噪声有更好的鲁棒性,而且实施简单,可以被标准的线性代数方法进行有效求解。因此,基于低秩结构学习的谱聚类理论和方法在机器学习、人工智能、大数据技术方面有着更加广阔的应用空间。本书主要研究了基于低秩结构学习的谱聚类理论与方法,从矩阵和张量两方面进行研究。重点关注紧凑低秩表示学习、鲁棒的无监督特征选择学习、图正则化低秩因子分解学习、张量低秩稀疏表示学习和增强的张量低秩表示学习等,理论分析了这些基于低秩结构的表示学习方法优化过程、复杂度、收敛性等,实验结果表明了这些方法在谱聚类方面的优越性。
目录
第1章谱聚类
1.1谱聚类研究背景及意义
1.2聚类研究现状
1.3维数约简研究现状
1.4张量相关预备知识
1.5相关问题
第2章图正则化紧凑低秩表示学习
2.1引言
2.2低秩表示
2.3图正则化紧凑低秩表示学习
2.4模型分析
2.5实验结果与分析
2.6本章小结
第3章鲁棒的无监督特征选择学习
3.1鲁棒的无监督特征选择学习
3.2算法分析
3.3实验结果与分析
3.4本章小结
第4章图正则化低秩因子分解学习
4.1引言
4.2相关工作
4.3图正则化低秩因子分解学习
4.4实验结果与分析
4.5本章小结
第5章张量低秩稀疏表示学习
5.1引言
5.2相关工作
5.3张量低秩稀疏学习
5.4实验和分析结果
5.5本章小结
第6章增强的张量低秩表示学习
6.1引言
6.2相关工作
6.3增强张量低秩表示
6.4实验与结果分析
6.5本章小结
参考文献

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网