返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 图像处理与机器学习中的正则化表示方法 郑成勇 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 郑成勇著
    • 出版社: 西南交通大学出版社
    • 出版时间:2023-08-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 郑成勇著
    • 出版社:西南交通大学出版社
    • 出版时间:2023-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-08-01
    • 字数:230000
    • 页数:240
    • 开本:16开
    • 装帧:平装
    • ISBN:9787564394196
    • 国别/地区:中国
    • 版权提供:西南交通大学出版社

    图像处理与机器学习中的正则化表示方法

    作  者:郑成勇 著
    定  价:68
    出 版 社:西南交通大学出版社
    出版日期:2023年08月01日
    页  数:240
    装  帧:平装
    ISBN:9787564394196
    主编推荐

    内容简介

    图像处理中存在大量非适定(Ill Posed Problem)的问题,如图像去噪、图像恢复、图像放大、图像修补、图像去马赛克和图像超分辨重建等。处理非适定问题的一种重要方法就是添加正则约束,将非适定问题转化为适定问题。因而,该书侧重于“正则化”矩阵表示的图像处理方法研究。
    《图像处理与机器学习中的正则化表示方法》主要研究基于矩阵正则化表示的红外目标检测、图像修复与补全、高光谱图像解混等问题,所使用的矩阵正则化表示模型主要有:矩阵低秩稀疏分解模型、矩阵调和稀疏分解模型、矩阵联合稀疏回归模型等。此外,该书也研究带有正则约束的基于表示的分类方法,包括基于稀疏组回归的分类方法、基于k.最近邻类联合表示的分类方法,以及基于区间的稀疏集成太赫兹数据多类分类算法。基于正则化表示的图像处理、机器学习方法为图像处理与分析、模式识别、机器学习提供了新的工具和思路。

    作者简介

    精彩内容

    目录
    第1章绪论
    1.1矩阵正则化表示基础知识
    1.2国内外研究现状
    1.3内容导读
    第2章基于矩阵低秩稀疏分解的红外目标增强
    2.1引言
    2.2利用ALM法求解RPCA
    2.3算法ALM_RPCA的MATLAB实现
    2.4实验及分析
    2.5小结
    第3章基于低秩矩阵恢复的小波域图像修复算法
    3.1引言
    3.2模型与算法
    3.3数值实验
    3.4小结
    ……

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购