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
面向序列數據的多視圖方法 版權信息
- ISBN：9787030778895
- 條形碼：9787030778895 ; 978-7-03-077889-5
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
面向序列數據的多視圖方法 內容簡介
本書針對序列數據的動態性、突變性、不確定性和時空關聯性等特點，探討多視圖學習理論，構建面向序列數據的多視圖方法，在扼要介紹了傳統理論與方法的基礎上，系統地闡述了著者近5年來在多視圖序列數據應用領域的理論、算法及研究成果。主要內容包括：面向序列數據多視圖技術的基本概念、國內外研究現狀及挑戰，面向序列數據的多視圖表示學習，城市計算中面向序列數據的多視圖方法，社交媒體中面向序列數據的多視圖方法，高速列車工況監測中序列數據的多視圖方法，輔助醫療診斷中的多視圖方法。全書兼具理論性、資料性和實踐性。
面向序列數據的多視圖方法 目錄
第1章 緒論1
1.1 機器學習、多視圖學習及多視圖序列分析方法1
1.2 多視圖序列數據2
1.3 多視圖序列數據的應用3
1.3.1 城市交通3
1.3.2 社交媒體4
1.3.3 高鐵監測4
1.3.4 智能醫療5
1.3.5 視頻理解5
1.3.6 自動駕駛5
1.4 挑戰與思考6
1.4.1 視圖內動態6
1.4.2 多視圖異構8
1.4.3 跨視圖交互9
1.4.4 不完備多視圖序列10
參考文獻11
第2章 面向序列數據的多視圖方法基礎15
2.1 序列數據及其模型方法15
2.1.1 序列數據15
2.1.2 **的時間序列分析模型17
2.1.3 深度學習下的序列模型18
2.2 多視圖學習概述21
2.2.1 多視圖數據22
2.2.2 多視圖學習24
2.3 多視圖圖學習方法31
2.3.1 基于自適應近鄰圖的多視圖學習31
2.3.2 基于領域多核學習的多視圖學習35
2.4 基于深度學習的多視圖序列模型40
2.4.1 基于網格的多視圖序列模型40
2.4.2 基于時序的多視圖序列模型43
2.4.3 基于圖的多視圖序列模型45
參考文獻48
第3章 交通預測中面向序列數據的多視圖方法51
3.1 交通序列數據預測概述51
3.2 基于卷積-循環神經網絡的交通預測模型53
3.2.1 交通運力預測53
3.2.2 深度靈活結構化時空模型54
3.2.3 實驗結果與分析60
3.3 基于圖卷積網絡的交通預測模型62
3.3.1 交通流預測62
3.3.2 基于多視圖的時空自適應圖卷積網絡63
3.3.3 實驗結果與分析67
3.4 基于多任務的交通流預測模型71
3.4.1 多城市交通流預測71
3.4.2 基于多任務學習的多城市交通流量預測模型72
3.4.3 實驗結果與分析80
參考文獻83
第4章 社交媒體分析中面向序列數據的多視圖方法86
4.1 社交媒體分析中的多視圖概述86
4.2 基于多視圖學習的情感分析模型88
4.2.1 方面級情感分析88
4.2.2 基于多任務多視圖聯合學習的方面級情感分析模型89
4.2.3 實驗結果與分析98
4.3 基于自適應多模態融合的情感分析模型102
4.3.1 方面級多模態情感分析102
4.3.2 基于自適應跨模態融合的方面級情感分析模型103
4.4 基于跨模態融合的假新聞檢測模型109
4.4.1 跨模態假新聞檢測109
4.4.2 面向假新聞檢測的跨模態實例感知模型110
4.4.3 實驗結果與分析113
參考文獻115
第5章 高速列車工況識別中面向序列數據的多視圖方法118
5.1 高速列車工況識別概述118
5.2 基于多視圖聚類集成的高速列車走行部工況識別模型120
5.2.1 多視圖的構建120
5.2.2 基于多視圖加權聚類集成的高速列車走行部工況識別模型121
5.2.3 實驗結果與分析129
5.3 基于多視圖核模糊聚類的高速列車走行部工況識別模型133
5.3.1 模糊聚類134
5.3.2 基于多視圖核模糊聚類的高速列車走行部工況識別模型134
5.3.3 實驗結果與分析139
5.4 基于相似度比率和深度信念網絡的高速列車走行部工況識別模型144
5.4.1 深度信念網絡144
5.4.2 基于相似度比率和MDBN的高速列車走行部工況識別模型145
5.4.3 實驗結果與分析147
參考文獻153
第6章 智能醫療疾病診斷中的多視圖方法156
6.1 智能醫療疾病診斷中多視圖方法概述156
6.2 基于多視圖聚類的阿爾茨海默病進展預測模型157
6.2.1 一致性多視圖聚類的阿爾茨海默病預測概述157
6.2.2 基于NMF的一致性多視圖聚類模型158
6.2.3 實驗結果與分析162
6.3 基于多視圖深度學習的帕金森病篩查模型170
6.3.1 多視圖深度學習的帕金森病篩查概述170
6.3.2 基于多視圖深度學習的PD篩查模型171
6.3.3 實驗結果與分析174
6.4 基于多視圖深度學習的癲癇檢測模型180
6.4.1 多視圖深度學習癲癇檢測概述180
6.4.2 短時傅里葉變換視圖和功率譜密度視圖的多視圖深度學習模型180
6.4.3 實驗結果與分析187
參考文獻192
展開全部
面向序列數據的多視圖方法 作者簡介
在IEEE TKDE，IEEE TEC，IEEE TC，IEEE TCC等國際期刊和軟件學報、計算機研究與發展、
書友推薦
- >
月亮與六便士
- >
名家帶你讀魯迅:故事新編
- >
上帝之肋:男人的真實旅程
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
羅庸西南聯大授課錄
- >
我與地壇
- >
羅曼·羅蘭讀書隨筆-精裝
- >
山海經
本類暢銷
