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:

  • 正版 基于矩阵分解的信息融合方法与应用 马园园 科学技术文献出
  • 新华书店旗下自营,正版全新
    • 作者: 马园园著 | 马园园编 | 马园园译 | 马园园绘
    • 出版社: 上海科学技术文献出版社
    • 出版时间:2019-07-01
    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:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 马园园著| 马园园编| 马园园译| 马园园绘
    • 出版社:上海科学技术文献出版社
    • 出版时间:2019-07-01
    • 版次:1
    • 印次:1
    • 印刷时间:2019-07-01
    • 字数:413000
    • 页数:253
    • 开本:26开
    • ISBN:9787518959037
    • 版权提供:上海科学技术文献出版社
    • 作者:马园园
    • 著:马园园
    • 装帧:0
    • 印次:1
    • 定价:78.00
    • ISBN:9787518959037
    • 出版社:科学技术文献出版社
    • 开本:26开
    • 印刷时间:2019-07-01
    • 语种:中文
    • 出版时间:2019-07-01
    • 页数:253
    • 外部编号:9739641
    • 版次:1
    • 成品尺寸:暂无

    1绪论
    1.1研究背景与研究意义
    1.1.1研究背景
    1.1.2研究意义
    1.2国内外研究进展
    1.2.1信息融合研究现状述评
    1.2.2基于机器学习的信息融合研究现状述评
    1.2.3存在的主要问题
    1.3研究内容与本书结构
    1.3.1研究内容
    1.3.2本书结构
    1.4本书主要贡献
    2信息融合相关理论
    2.1信息融合概念与原理
    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子空间学习理论
    2.3.1多视角谱聚类
    2.3.2连接的多视角非负矩阵分解
    2.3.3一致的多视角非负矩阵分解
    2.3.4基于多、图的信息融合
    2.4本章小结
    3基于对称非负矩阵分解的信息融合模型
    3.1对称非负矩阵分解
    3.1.1相似性度量
    3.1.2目标函数与优化
    3.2SNMF与核K均值聚类、谱聚类的等效性
    3.2.1核K均值聚类
    3.2.2谱聚类
    3.2.3实例
    3.3基于对称非负矩阵分解的聚类融合模型
    3.3.1建模思想
    3.3.2基本假设和一致性矩阵表述
    3.3.3基于对称非负矩阵分解的聚类融合模型的建立
    3.3.4算法优化
    3.4实例分析与讨论
    3.4.1数据集描述与预处理
    3.4.2实验结果
    3.4.3分析与讨论
    3.5本章小结
    4考虑图正则化的对称非负矩阵分解信息融合模型
    4.1正则化思想
    4.1.1正则化理论
    4.1.2图正则化框架
    4.2基于Laplacian正则化的对称非负矩阵分解融合模型
    4.2.1建模思想概述
    4.2.2基本假设
    4.2.3基于Laplacian正则化的对称非负矩阵分解融合模型
    4.2.4算法优化
    4.2.5实例分析与讨论
    4.3基于Hessian正则化的对称非负矩阵分解融合模型
    4.3.1建模思想概述
    4.3.2基本假设和定义
    4.3.3基于Hessian正则化的对称非负矩阵分解融合模型
    4.3.4算法优化
    4.3.5实例分析与讨论
    4.4基于对称非负矩阵分解的预测模型
    4.4.1基于对称非负矩阵分解的实时样本预测模型
    4.4.2实验分析与讨论
    4.5本章小结
    ……
    5基于对称非负矩阵分解融合模型在跨模态检索中的应用
    6其他多视角信息融合模型及应用
    7总结与展望
    参考文献
    附录
    致谢

    马园园,男,博士,主要研究领域:机器学习、复杂网络、生物信息学等,目前就职于安阳师范学院计算机与信息工程学院,从事信息分析、信息组织与检索教学、科研等工作,近3年来,在靠前主流会议和期刊上发表论文8篇,担任多个靠前SCI期刊审稿人。

    大数据技术的发展,累积了大量的多源异构数据,挖掘这些数据背后蕴藏的价值,有助于推动科研人员发现科学规律的步伐。本书介绍了目前流行的多视角学习融合方法,并针对现有方法的不足,研究了基于矩阵分解的信息融合模型、考虑图正则化的矩阵分解融合模型和基于矩阵分解的预测模型,并将其应用到跨模态信息检索等任务中。






    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