掃一掃
關注中圖網
官方微博
¥13.0(2.7折)?
預估到手價是按參與促銷活動、以最優惠的購買方案計算出的價格（不含優惠券部分），僅供參考，未必等同于實際到手價。
00:00:00
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
張量數據的特征提取與分類 版權信息
- ISBN：9787517057550
- 條形碼：9787517057550 ; 978-7-5170-5755-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
張量數據的特征提取與分類 本書特色
《張量數據的特征提取與分類》的主要研究內容是在模式識別應用領域中，提出新的基于張量數據的特征提取和分類算法，并且對這些張量型算法進行詳細的理論推導和性能分析，在實驗中驗證所提出算法的優越性。主要內容來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以及張量型算法在模式識別領域的研究、發展和應用。《張量數據的特征提取與分類》理論聯系實際，集知識性、專業性、操作性、技能性為一體。《張量數據的特征提取與分類》的讀者對象主要為模式識別的、人工智能領域的研究人員以及高等院校高年級的學生和研究生。
張量數據的特征提取與分類 內容簡介
張帆、許麗、孫帥著的《張量數據的特征提取與分類》的主要研究內容是在模式識別應用領域中，提出新的基于張量數據的特征提取和分類算法，并且對這些張量型算法進行詳細的理論推導和性能分析，在實驗中驗證所提出算法的優越性。主要內容來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以及張量型算法在模式識別領域的研究、發展和應用。本書理論聯系實際，集知識性、專業性、操作性、技能性為一體。本書的讀者對象主要為模式識別的、人工智能領域的研究人員以及高等院校高年級的學生和研究生。
張量數據的特征提取與分類 目錄
前言
章 緒論
1．1 研究背景與意義
1．2 傳統特征提取和分類方法
1．3 基于張量數據的特征提取和分類方法研究現狀
1．3．1 數據的張量表示
1．3．2 基于張量數據的特征提取算法
1．3．3 基于張量數據的分類器
1．3．4 張量型算法與向量型算法比較
1．4 實驗數據庫
1．5 本章小結
第2章 相關理論基礎
2．1 張量理論
2．1．1 張量的符號表示與展開
2．1．2 張量的基本運算
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 極限學習機分類算法
2．4 嶺回歸分類算法
2．5 本章小結
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 實驗結果分析
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人臉庫的實驗和結果分析
3．4．4 步態數據庫的實驗和結果分析
3．4．5 AR彩色人臉數據庫的實驗和結果分析
3．5 本章小結
第4章 張量型極限學習機分類算法
4．1 引言
4．2 二維極限學習機分類器
4．2．1 2D-ELM算法原理
4．2．2 2D-ELM實驗結果分析
4．3 張量極限學習機分類器
4．3．1 TELM算法原理
4．3．2 TELM的實驗結果分析
4．4 本章小結
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 算法推導過程
5．2．2 迭代優化過程
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算量比較
5．3．3 MMRR算法中各參數的確定
5．4 實驗結果分析
5．4．1 收斂性分析
5．4．2 不同初始化方法對算法分類性能的影響
5．4．3 參數變化對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
第6章 總結與展望
6．1 全文總結
6．2 工作展望
縮寫符號對照表
數學符號對照表
參考文獻
章 緒論
1．1 研究背景與意義
1．2 傳統特征提取和分類方法
1．3 基于張量數據的特征提取和分類方法研究現狀
1．3．1 數據的張量表示
1．3．2 基于張量數據的特征提取算法
1．3．3 基于張量數據的分類器
1．3．4 張量型算法與向量型算法比較
1．4 實驗數據庫
1．5 本章小結
第2章 相關理論基礎
2．1 張量理論
2．1．1 張量的符號表示與展開
2．1．2 張量的基本運算
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 極限學習機分類算法
2．4 嶺回歸分類算法
2．5 本章小結
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 實驗結果分析
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人臉庫的實驗和結果分析
3．4．4 步態數據庫的實驗和結果分析
3．4．5 AR彩色人臉數據庫的實驗和結果分析
3．5 本章小結
第4章 張量型極限學習機分類算法
4．1 引言
4．2 二維極限學習機分類器
4．2．1 2D-ELM算法原理
4．2．2 2D-ELM實驗結果分析
4．3 張量極限學習機分類器
4．3．1 TELM算法原理
4．3．2 TELM的實驗結果分析
4．4 本章小結
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 算法推導過程
5．2．2 迭代優化過程
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算量比較
5．3．3 MMRR算法中各參數的確定
5．4 實驗結果分析
5．4．1 收斂性分析
5．4．2 不同初始化方法對算法分類性能的影響
5．4．3 參數變化對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
第6章 總結與展望
6．1 全文總結
6．2 工作展望
縮寫符號對照表
數學符號對照表
參考文獻
展開全部
書友推薦
- >
詩經-先民的歌唱
- >
月亮與六便士
- >
巴金－再思錄
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
朝聞道
- >
我與地壇
- >
我從未如此眷戀人間
- >
推拿
本類暢銷
