掃一掃
關(guān)注中圖網(wǎng)
官方微博
溫馨提示：5折以下圖書(shū)主要為出版社尾貨，大部分為全新（有塑封/無(wú)塑封），個(gè)別圖書(shū)品相8-9成新、切口
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥16.4
加入購(gòu)物車
張量數(shù)據(jù)的特征提取與分類 版權(quán)信息
- ISBN：9787517057550
- 條形碼：9787517057550 ; 978-7-5170-5755-0
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
張量數(shù)據(jù)的特征提取與分類 本書(shū)特色
《張量數(shù)據(jù)的特征提取與分類》的主要研究?jī)?nèi)容是在模式識(shí)別應(yīng)用領(lǐng)域中，提出新的基于張量數(shù)據(jù)的特征提取和分類算法，并且對(duì)這些張量型算法進(jìn)行詳細(xì)的理論推導(dǎo)和性能分析，在實(shí)驗(yàn)中驗(yàn)證所提出算法的優(yōu)越性。主要內(nèi)容來(lái)自于作者多年的研究成果，使讀者能夠比較全面地了解張量分析的基本知識(shí)以及張量型算法在模式識(shí)別領(lǐng)域的研究、發(fā)展和應(yīng)用。《張量數(shù)據(jù)的特征提取與分類》理論聯(lián)系實(shí)際，集知識(shí)性、專業(yè)性、操作性、技能性為一體。《張量數(shù)據(jù)的特征提取與分類》的讀者對(duì)象主要為模式識(shí)別的、人工智能領(lǐng)域的研究人員以及高等院校高年級(jí)的學(xué)生和研究生。
張量數(shù)據(jù)的特征提取與分類 內(nèi)容簡(jiǎn)介
張帆、許麗、孫帥著的《張量數(shù)據(jù)的特征提取與分類》的主要研究?jī)?nèi)容是在模式識(shí)別應(yīng)用領(lǐng)域中，提出新的基于張量數(shù)據(jù)的特征提取和分類算法，并且對(duì)這些張量型算法進(jìn)行詳細(xì)的理論推導(dǎo)和性能分析，在實(shí)驗(yàn)中驗(yàn)證所提出算法的優(yōu)越性。主要內(nèi)容來(lái)自于作者多年的研究成果，使讀者能夠比較全面地了解張量分析的基本知識(shí)以及張量型算法在模式識(shí)別領(lǐng)域的研究、發(fā)展和應(yīng)用。本書(shū)理論聯(lián)系實(shí)際，集知識(shí)性、專業(yè)性、操作性、技能性為一體。本書(shū)的讀者對(duì)象主要為模式識(shí)別的、人工智能領(lǐng)域的研究人員以及高等院校高年級(jí)的學(xué)生和研究生。
張量數(shù)據(jù)的特征提取與分類 目錄
前言
章 緒論
1．1 研究背景與意義
1．2 傳統(tǒng)特征提取和分類方法
1．3 基于張量數(shù)據(jù)的特征提取和分類方法研究現(xiàn)狀
1．3．1 數(shù)據(jù)的張量表示
1．3．2 基于張量數(shù)據(jù)的特征提取算法
1．3．3 基于張量數(shù)據(jù)的分類器
1．3．4 張量型算法與向量型算法比較
1．4 實(shí)驗(yàn)數(shù)據(jù)庫(kù)
1．5 本章小結(jié)
第2章 相關(guān)理論基礎(chǔ)
2．1 張量理論
2．1．1 張量的符號(hào)表示與展開(kāi)
2．1．2 張量的基本運(yùn)算
2．1．3 張量的秩和分解
2．1．4 張量一張量投影與張量一矢量投影
2．2 相關(guān)向量型特征提取算法
2．2．1 PCA算法
2．2．2 LDA和MSD算法
2．3 極限學(xué)習(xí)機(jī)分類算法
2．4 嶺回歸分類算法
2．5 本章小結(jié)
第3章 基于MPCA和GTDA的張量型特征提取算法
3．1 引言
3．2 融合MPCA和GTDA的特征提取算法
3．2．1 多線性主成分分析
3．2．2 廣義張量判別分析
3．2．3 MPCA與GTDA算法融合
3．3 GTDA算法的先決條件分析
3．3．1 投影后特征子空間的維數(shù)確定
3．3．2 迭代初始化的條件
3．3．3 迭代終止條件
3．3．4 收斂性
3．4 實(shí)驗(yàn)結(jié)果分析
3．4．1 GTDA初始化條件的選擇
3．4．2 GTDA與MDA的收斂性分析
3．4．3 FERET人臉庫(kù)的實(shí)驗(yàn)和結(jié)果分析
3．4．4 步態(tài)數(shù)據(jù)庫(kù)的實(shí)驗(yàn)和結(jié)果分析
3．4．5 AR彩色人臉數(shù)據(jù)庫(kù)的實(shí)驗(yàn)和結(jié)果分析
3．5 本章小結(jié)
第4章 張量型極限學(xué)習(xí)機(jī)分類算法
4．1 引言
4．2 二維極限學(xué)習(xí)機(jī)分類器
4．2．1 2D-ELM算法原理
4．2．2 2D-ELM實(shí)驗(yàn)結(jié)果分析
4．3 張量極限學(xué)習(xí)機(jī)分類器
4．3．1 TELM算法原理
4．3．2 TELM的實(shí)驗(yàn)結(jié)果分析
4．4 本章小結(jié)
第5章 多線性多秩回歸分類算法（MMRR）
5．1 引言
5．2 MMRR算法原理
5．2．1 算法推導(dǎo)過(guò)程
5．2．2 迭代優(yōu)化過(guò)程
5．3 MMRR算法先決條件分析
5．3．1 MMRR算法的收斂性
5．3．2 MMRR算法的初始化條件和計(jì)算量比較
5．3．3 MMRR算法中各參數(shù)的確定
5．4 實(shí)驗(yàn)結(jié)果分析
5．4．1 收斂性分析
5．4．2 不同初始化方法對(duì)算法分類性能的影響
5．4．3 參數(shù)變化對(duì)算法分類性能的影響
5．4．4 MMRR分類器的分類性能
5．5 本章小結(jié)
第6章 總結(jié)與展望
6．1 全文總結(jié)
6．2 工作展望
縮寫(xiě)符號(hào)對(duì)照表
數(shù)學(xué)符號(hào)對(duì)照表
參考文獻(xiàn)
章 緒論
1．1 研究背景與意義
1．2 傳統(tǒng)特征提取和分類方法
1．3 基于張量數(shù)據(jù)的特征提取和分類方法研究現(xiàn)狀
1．3．1 數(shù)據(jù)的張量表示
1．3．2 基于張量數(shù)據(jù)的特征提取算法
1．3．3 基于張量數(shù)據(jù)的分類器
1．3．4 張量型算法與向量型算法比較
1．4 實(shí)驗(yàn)數(shù)據(jù)庫(kù)
1．5 本章小結(jié)
第2章 相關(guān)理論基礎(chǔ)
2．1 張量理論
2．1．1 張量的符號(hào)表示與展開(kāi)
2．1．2 張量的基本運(yùn)算
2．1．3 張量的秩和分解
2．1．4 張量一張量投影與張量一矢量投影
2．2 相關(guān)向量型特征提取算法
2．2．1 PCA算法
2．2．2 LDA和MSD算法
2．3 極限學(xué)習(xí)機(jī)分類算法
2．4 嶺回歸分類算法
2．5 本章小結(jié)
第3章 基于MPCA和GTDA的張量型特征提取算法
3．1 引言
3．2 融合MPCA和GTDA的特征提取算法
3．2．1 多線性主成分分析
3．2．2 廣義張量判別分析
3．2．3 MPCA與GTDA算法融合
3．3 GTDA算法的先決條件分析
3．3．1 投影后特征子空間的維數(shù)確定
3．3．2 迭代初始化的條件
3．3．3 迭代終止條件
3．3．4 收斂性
3．4 實(shí)驗(yàn)結(jié)果分析
3．4．1 GTDA初始化條件的選擇
3．4．2 GTDA與MDA的收斂性分析
3．4．3 FERET人臉庫(kù)的實(shí)驗(yàn)和結(jié)果分析
3．4．4 步態(tài)數(shù)據(jù)庫(kù)的實(shí)驗(yàn)和結(jié)果分析
3．4．5 AR彩色人臉數(shù)據(jù)庫(kù)的實(shí)驗(yàn)和結(jié)果分析
3．5 本章小結(jié)
第4章 張量型極限學(xué)習(xí)機(jī)分類算法
4．1 引言
4．2 二維極限學(xué)習(xí)機(jī)分類器
4．2．1 2D-ELM算法原理
4．2．2 2D-ELM實(shí)驗(yàn)結(jié)果分析
4．3 張量極限學(xué)習(xí)機(jī)分類器
4．3．1 TELM算法原理
4．3．2 TELM的實(shí)驗(yàn)結(jié)果分析
4．4 本章小結(jié)
第5章 多線性多秩回歸分類算法（MMRR）
5．1 引言
5．2 MMRR算法原理
5．2．1 算法推導(dǎo)過(guò)程
5．2．2 迭代優(yōu)化過(guò)程
5．3 MMRR算法先決條件分析
5．3．1 MMRR算法的收斂性
5．3．2 MMRR算法的初始化條件和計(jì)算量比較
5．3．3 MMRR算法中各參數(shù)的確定
5．4 實(shí)驗(yàn)結(jié)果分析
5．4．1 收斂性分析
5．4．2 不同初始化方法對(duì)算法分類性能的影響
5．4．3 參數(shù)變化對(duì)算法分類性能的影響
5．4．4 MMRR分類器的分類性能
5．5 本章小結(jié)
第6章 總結(jié)與展望
6．1 全文總結(jié)
6．2 工作展望
縮寫(xiě)符號(hào)對(duì)照表
數(shù)學(xué)符號(hào)對(duì)照表
參考文獻(xiàn)
展開(kāi)全部
商品評(píng)論(1條)
書(shū)友推薦
- >
回憶愛(ài)瑪儂
- >
企鵝口袋書(shū)系列·偉大的思想20:論自然選擇(英漢雙語(yǔ))
- >
中國(guó)歷史的瞬間
- >
名家?guī)阕x魯迅:故事新編
- >
上帝之肋:男人的真實(shí)旅程
- >
隨園食單
- >
史學(xué)評(píng)論
- >
小考拉的故事-套裝共3冊(cè)
本類暢銷
