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:

  • 非线性数据挖掘 基于表示的谱聚类分析方法与应用 张小乾 等 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 张小乾 等著
    • 出版社: 国防工业出版社
    • 出版时间:2023-05-01 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: 张小乾 等著
    • 出版社:国防工业出版社
    • 出版时间:2023-05-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-05-01
    • 字数:144000
    • 页数:132
    • 开本:16开
    • 装帧:平装
    • ISBN:9787118128611
    • 国别/地区:中国
    • 版权提供:国防工业出版社

    非线性数据挖掘 基于表示的谱聚类分析方法与应用

    作  者:张小乾 等 著
    定  价:99
    出 版 社:国防工业出版社
    出版日期:2023年05月01日
    页  数:132
    装  帧:平装
    ISBN:9787118128611
    主编推荐

    内容简介

    《非线性数据挖掘》主要介绍非线性数据挖掘技术,以子空间聚类为主要的数据分析方法,结合稀疏表示、低秩表示、多核学习、协同学习等技术,针对现有模型中存在的一些问题,在适应非线性数据并抑制大尺度噪声的能力、算法的有效实现、模型推广以及应用等方面进行了探讨和研究。
    《非线性数据挖掘》主要内容有四个方面:①研究并解决了传统的核子空间聚类方法不能有效挖掘特征空间中数据低秩结构的问题:②有效解决了现有的多视图聚类方法得到的往往是次优解的问题:③解决了多视图数据中各视图数据的独有特征信息不易挖掘的问题;④研究多视图数据中样本置信度的差异性问题。
    《非线性数据挖掘》内容系统性强、知识覆盖面广、观点独到,适合广大数据挖掘专业的技术人员、学者及在校学生阅读。

    作者简介

    精彩内容

    目录
    第1章 绪论
    1.1 研究背景与研究意义
    1.2 子空间聚类概述
    1.3 稀疏子空间聚类概述
    1.3.1 单视图稀疏子空间聚类研究现状
    1.3.2 多视图稀疏子空间聚类研究现状
    1.4 稀疏子空间聚类相关理论
    1.4.1 稀疏表示
    1.4.2 低秩表示
    1.4.3 子空间聚类优化算法
    1.5 本书的主要内容
    1.6 本书结构

    第2章 基于非凸低秩核的稳健子空间聚类
    2.1 引言
    2.2 相关工作
    2.2.1 Schatten p-范数
    2.2.2 相关熵
    2.3 稳健低秩核子空间聚类模型与求解策略
    2.3.1 稳健低秩核子空间聚类模型
    2.3.2 模型的优化与求解
    2.3.3 RLKSC的完整算法
    2.4 收敛性及计算复杂度分析
    2.4.1 收敛性分析
    2.4.2 计算复杂度分析
    2.5 实验结果与分析
    2.5.1 实验设置
    2.5.2 在YaleB数据集上的人脸聚类
    2.5.3 在AR数据集上的人脸聚类
    2.5.4 在COIL-20数据集上的物体聚类
    2.5.5 在Hopkins155数据集上的运动分割
    2.5.6 参数选择与收敛性验证
    2.6 小结

    第3章 融合协同表示与低秩核的稳健多视图子空间聚类
    3.1 引言
    3.2 主要符号与相关工作
    3.2.1 主要符号
    3.2.2 非凸低秩核策略
    3.3 RLKMSC模型与求解策略
    3.3.1 Centroid-based RLKMSC的模型提出与优化
    3.3.2 Pairwise RLKMSC的模型与优化
    3.3.3 RLKSC的完整算法
    3.4 收敛性与计算复杂度分析
    3.4.1 收敛性分析
    3.4.2 计算复杂度
    3.5 实验与结果分析
    3.5.1 数据集简介
    3.5.2 对比算法与实验设置
    3.5.3 实验结果与分析
    3.5.4 参数选择与收敛性验证
    3.6 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