实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像面向特殊样本形式的多视角学习问题及其解决方法朱昌明
¥ ×1
商品
服务
物流
《博士后文库》序言前言章 背景第2章 主要问题 2.1 实时产生且信息可变 2.2 有效样本信息不足 2.2.1 有标签样本数目不足 2.2.2 信息缺失 . 多种样本信息之间关联复杂 2.4 问题展开及本书工作第3章 半监督在线多视图学习机 3.1 引言 3.1.1 传统多视图学习及其问题 3.1.2 OPMV的提出 3.1.3 OPMV的问题 3.1.4 SSOPMV的提出 3.2 在线多视图学习 3.2.1 OPMV 3.2.2 模型优化 3.3 半监督在线多视图学习机 3.3.1 通过Universum创建额外无标签样本 3.3.2 SSOPMV的实现 3.4 实验 3.4.1 实验设置 3.4.2 在不经常更新的多视图数据集上的测试准确率比较 3.4.3 在经常更新的多视图数据集上的测试准确率比较 3.4.4 不同的额外无标签样本生成方法之间的比较 3.4.5 在线学习相关的学习机与整体存储相关的学习机的对比 3.4.6 有标签样本的百分比对学习机能影响 3.4.7 △t的影响 3.5 本章小结第4章 具有可变特征和视图的半监督在线多视图学习机 4.1 引言 4.1.1 传统的多视图学习机存在的问题 4.1.2 传统多视图学习机问题的解决方案 4.1.3 SOMVFV的提出、创新点、动机和贡献 4.2 相关工作 4.2.1 半监督学习机 4.2.2 在线学习机 4.. 具有可变特征或视图的多视图学习机 4.3 具有可变特征和视图的半监督在线多视图学习 4.4 实验 4.4.1 实验设置 4.4.2 在单视图小规模数据集上分类能的比较 4.4.3 在单视图大规模数据集上分类能的比较 4.4.4 在多视图小规模数据集上分类能的比较 4.4.5 在多视图大规模数据集上分类能的比较 4.5 本章小结第5章 具有Universum的基于秩一致的多视图学习 5.1 引言 5.1.1 问题和解决方法 5.1.2 RANCU的提出和优势 5.2 实验 5.2.1 实验设置 5.2.2 实验内容 5.3 本章小结第6章 改进的具有五层样本信息的多矩阵学习机 6.1 引言 6.1.1 背景介绍 6.1.2 动机和提出 6.1.3 贡献 6.2 使用五种样本信息提升多矩阵分类器能 6.2.1 创建IBU样本 6.2.2 IMMFI框架 6.3 实验 6.3.1 实验设置 6.3.2 分类能的比较 6.3.3 验IMMFI在跟踪问题中的有效 6.4 本章小结第7章 基于权重的无标签多视图数据集生成方法 7.1 引言 7.1.1 背景介绍 7.1.2 提出、动机和贡献 7.2 基于权重的未知标签多视图数据集生成方法 7.2.1 基于WMVC获得视图和特征的权重 7.2.2 获得每个已知标签的多视图样本的相似样本 7.. 生成可行的未知标签的多视图数据集 7.3 实验 7.3.1 实验设置 7.3.2 现实数据集的能比较 7.4 本章小结第8章 基于权重和Universum的半监督多视图学习机 8.1 引言 8.1.1 重体 8.1.2 研究问题 8.1.3 研究目标 8.1.4 WUSM模型的提出、动机和 8.1.5 贡献 8.2 相关工作 8.2.1 半监督多视图学习机 8.2.2 Universum学习 8.. 构造Universum集的方法 8.3 基于权重和Universum的半监督多视图学习机 8.3.1 构建WUSM的步骤 8.3.2 视图和特征的应用 8.3.3 计算复杂度分析 8.3.4 收敛 8.3.5 WUSM的优势 8.4 实验 8.4.1 实验设置 8.4.2 不同应用间能比较 8.5 本章小结第9章 新的具有不完整数据的多视图学习机 9.1 引言 9.1.1 背景介绍 9.1.2 经典的学习机 9.1.3 问题 9.1.4 相应的解决方案 9.1.5 贡献 9.2 MVL-IV框架 9.3 具有不完整数据的多视图学习机 9.3.1 数据准备 9.3.2 目标及模型 9.3.3 模型实现 9.3.4 流程 9.4 实验 9.4.1 实验设置 9.4.2 回归问题的比较 9.4.3 关于二分排名问题的比较 9.4.4 关于图像搜索问题的比较 9.4.5 计算复杂度比较 9.5 本章小结0章 具有不完整视图和标签的多视图多标签学习 10.1 引言 10.1.1 多视图多标签数据集 10.1.2 传统的多视图多标签学习机存在的问题及解决方案 10.1.3 目标 10.1.4 和贡献 10.2 具有不完整视图和标签的多视图多标签学习 10.2.1 数据准备 10.2.2 具有标签特定特征的多视图多标签学习 10.. 具有不完整标签的多视图多标签学习 10.2.4 具有不完整视图的多视图多标签学习 10.2.5 具有全局和局部关联的多视图多标签学习 10.2.6 基于不同视图补充信息的多视图多标签学习 10.2.7 MVML-IVL的目标函数 10.2.8 实现 10.3 实验 10.3.1 实验设置 10
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员