0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: 图书分类 > 信息技术 > 软件开发与程序设计 > 高维数据的特征选择——理论与算法

浏览历史

高维数据的特征选择——理论与算法


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
高维数据的特征选择——理论与算法
  • 书号:9787030493453
    作者:刘波,何希平 著
  • 外文书名:
  • 装帧:平装
    开本:B5
  • 页数:
    字数:205000
    语种:中文(简体)
  • 出版社:科学出版社
    出版时间:2016-07-01
  • 所属分类:
  • 定价: ¥59.00元
    售价: ¥46.61元
  • 图书介质:

  • 购买数量: 件  缺货,请选择其他介质图书!
  • 商品总价:

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

特征选择是机器学习的重要研究内容,有着广泛的应用价值。特征选择主要从数据(尤其是高维数据)中选取有效特征来表示数据,从而提高机器学习算法的性能。本书以重庆工商大学等单位的机器学习、图像处理课题为基础,系统地介绍特征选择的基本概念,以及相关的理论和算法,也对它的前沿研究(如无监督特征选择)和其在计算机视觉中的应用进行详细介绍,最后对特征选择的发展方向进行展望。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    1 基本概念1
    1.1 特征选择2
    1.1.1 相关特征7
    1.1.2 冗余特征11
    1.2 特征变换15
    1.3 特征提取20
    1.3.1 尺度不变特征变换21
    1.3.2 方向梯度直方图24
    1.4 本章小结27
    1.5 本书的组织28
    2 特征选择及相关技术研究现状30
    2.1 传统特征选择的研究现状30
    2.1.1 生成特征子集30
    2.1.2 评价特征子集32
    2.2 监督特征选择算法研究现状35
    2.2.1 过滤式特征选择算法35
    2.2.2 绑定式39
    2.2.3 嵌入式特征选择算法40
    2.3 本章小结44
    3 组稀疏子空间的大间隔特征选择45
    3.1 模型的基本思想45
    3.1.1 大间隔学习45
    3.1.2 组稀疏子空间学习53
    3.2 模型的建立与实现57
    3.2.1 模型的建立57
    3.2.2 目标函数的求解60
    3.3 算法收敛性分析65
    3.4 本章小结67
    4 Trace Ratio-组稀疏子空间的大间隔特征选择68
    4.1 模型建立的基本思想68
    4.2 模型建立及算法的实现69
    4.2.1 模型的建立69
    4.2.2 TR-GSLM算法的求解过程71
    4.2.3 TR-GSLM算法的收敛性分析76
    4.3 本章小结77
    5 高效的Trace Ratio-组稀疏子空间的大间隔特征选择78
    5.1 模型建立的基本思想78
    5.2 ETR-GSLM算法实现过程79
    5.3 ETR-GSLM收敛性分析84
    5.4 实验分析86
    5.4.1 实验数据集及环境86
    5.4.2 参与比较的算法87
    5.4.3 基于分类精度的特征选择算法性能比较88
    5.4.4 平均分类精度的比较88
    5.4.5 提取前30%和60%的特征的分类精度比较89
    5.4.6 参数的敏感性分析与比较90
    5.4.7 算法的效率比较99
    5.4.8 实验小结101
    5.5 本章小结102
    6 无监督的特征选择103
    6.1 无监督特征选择的分类104
    6.2 过滤式无监督特征选择104
    6.2.1 Laplacian评分105
    6.2.2 谱分解的特征选择算法111
    6.3 嵌入式无监督特征选择116
    6.3.1 将结构信息与机器学习算法结合117
    6.3.2 结构信息,聚类信息与机器学习算法结合122
    6.3.3 结构信息,动态更新聚类信息和机器学习算法结合125
    6.3.4 动态更新结构信息,聚类信息和机器学习算法结合128
    6.4 本章小结130
    7 计算机视觉中的特征选择132
    7.1 高斯混合模型133
    7.1.1 生成方法和判别方法134
    7.1.2 高斯混合模型135
    7.2 Fisher向量141
    7.3 基于Fisher向量的特征选择144
    7.4 本章小结146
    参考文献148
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证