中圖網小程序
一鍵登錄
更方便
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
基于矩陣分解的信息融合方法與應用 版權信息
- ISBN：9787518959037
- 條形碼：9787518959037 ; 978-7-5189-5903-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于矩陣分解的信息融合方法與應用 內容簡介
大數據技術的發展，累積了大量的多源異構數據，挖掘這些數據背后蘊藏的價值，有助于推動科研人員發現科學規律的步伐。本書介紹了目前流行的多視角學習融合方法，并針對現有方法的不足，研究了基于矩陣分解的信息融合模型、考慮圖正則化的矩陣分解融合模型和基于矩陣分解的預測模型，并將其應用到跨模態信息檢索等任務中。 本書*后也詳細介紹了*新的多視角數據整合方法及原理，以供業內同行和致力于機器學習的研究人員借鑒。
基于矩陣分解的信息融合方法與應用 目錄
1 緒論
1．1 研究背景與研究意義
1．1．1 研究背景
1．1．2 研究意義
1．2 國內外研究進展
1．2．1 信息融合研究現狀述評
1．2．2 基于機器學習的信息融合研究現狀述評
1．2．3 存在的主要問題
1．3 研究內容與本書結構
1．3．1 研究內容
1．3．2 本書結構
1．4 本書主要貢獻
2 信息融合相關理論
2．1 信息融合概念與原理
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 子空間學習理論
2．3．1 多視角譜聚類
2．3．2 連接的多視角非負矩陣分解
2．3．3 一致的多視角非負矩陣分解
2．3．4 基于多、圖的信息融合
2．4 本章小結
3 基于對稱非負矩陣分解的信息融合模型
3．1 對稱非負矩陣分解
3．1．1 相似性度量
3．1．2 目標函數與優化
3．2 SNMF與核K均值聚類、譜聚類的等效性
3．2．1 核K均值聚類
3．2．2 譜聚類
3．2．3 實例
3．3 基于對稱非負矩陣分解的聚類融合模型
3．3．1 建模思想
3．3．2 基本假設和一致性矩陣表述
3．3．3 基于對稱非負矩陣分解的聚類融合模型的建立
3．3．4 算法優化
3．4 實例分析與討論
3．4．1 數據集描述與預處理
3．4．2 實驗結果
3．4．3 分析與討論
3．5 本章小結
4 考慮圖正則化的對稱非負矩陣分解信息融合模型
4．1 正則化思想
4．1．1 正則化理論
4．1．2 圖正則化框架
4．2 基于Laplacian正則化的對稱非負矩陣分解融合模型
4．2．1 建模思想概述
4．2．2 基本假設
4．2．3 基于Laplacian正則化的對稱非負矩陣分解融合模型
4．2．4 算法優化
4．2．5 實例分析與討論
4．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．1 建模思想概述
4．3．2 基本假設和定義
4．3．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．4 算法優化
4．3．5 實例分析與討論
4．4 基于對稱非負矩陣分解的預測模型
4．4．1 基于對稱非負矩陣分解的實時樣本預測模型
4．4．2 實驗分析與討論
4．5 本章小結
……
5 基于對稱非負矩陣分解融合模型在跨模態檢索中的應用
6 其他多視角信息融合模型及應用
7 總結與展望
參考文獻
附錄
致謝
1．1 研究背景與研究意義
1．1．1 研究背景
1．1．2 研究意義
1．2 國內外研究進展
1．2．1 信息融合研究現狀述評
1．2．2 基于機器學習的信息融合研究現狀述評
1．2．3 存在的主要問題
1．3 研究內容與本書結構
1．3．1 研究內容
1．3．2 本書結構
1．4 本書主要貢獻
2 信息融合相關理論
2．1 信息融合概念與原理
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 子空間學習理論
2．3．1 多視角譜聚類
2．3．2 連接的多視角非負矩陣分解
2．3．3 一致的多視角非負矩陣分解
2．3．4 基于多、圖的信息融合
2．4 本章小結
3 基于對稱非負矩陣分解的信息融合模型
3．1 對稱非負矩陣分解
3．1．1 相似性度量
3．1．2 目標函數與優化
3．2 SNMF與核K均值聚類、譜聚類的等效性
3．2．1 核K均值聚類
3．2．2 譜聚類
3．2．3 實例
3．3 基于對稱非負矩陣分解的聚類融合模型
3．3．1 建模思想
3．3．2 基本假設和一致性矩陣表述
3．3．3 基于對稱非負矩陣分解的聚類融合模型的建立
3．3．4 算法優化
3．4 實例分析與討論
3．4．1 數據集描述與預處理
3．4．2 實驗結果
3．4．3 分析與討論
3．5 本章小結
4 考慮圖正則化的對稱非負矩陣分解信息融合模型
4．1 正則化思想
4．1．1 正則化理論
4．1．2 圖正則化框架
4．2 基于Laplacian正則化的對稱非負矩陣分解融合模型
4．2．1 建模思想概述
4．2．2 基本假設
4．2．3 基于Laplacian正則化的對稱非負矩陣分解融合模型
4．2．4 算法優化
4．2．5 實例分析與討論
4．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．1 建模思想概述
4．3．2 基本假設和定義
4．3．3 基于Hessian正則化的對稱非負矩陣分解融合模型
4．3．4 算法優化
4．3．5 實例分析與討論
4．4 基于對稱非負矩陣分解的預測模型
4．4．1 基于對稱非負矩陣分解的實時樣本預測模型
4．4．2 實驗分析與討論
4．5 本章小結
……
5 基于對稱非負矩陣分解融合模型在跨模態檢索中的應用
6 其他多視角信息融合模型及應用
7 總結與展望
參考文獻
附錄
致謝
展開全部
基于矩陣分解的信息融合方法與應用 作者簡介
馬園園，男，博士，主要研究領域：機器學習、復雜網絡、生物信息學等，目前就職于安陽師范學院計算機與信息工程學院，從事信息分析、信息組織與檢索教學、科研等工作，近3年來，在國際主流會議和期刊上發表論文8篇，擔任多個國際SCI期刊審稿人。
書友推薦
- >
李白與唐代文化
- >
自卑與超越
- >
月亮與六便士
- >
隨園食單
- >
羅庸西南聯大授課錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
