☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《張量數據的特徵提取與分類》的主要研究內容是在模式識彆應用領域中，提齣新的基於張量數據的特徵提取和分類算法，並且對這些張量型算法進行詳細的理論推導和性能分析，在實驗中驗證所提齣算法的優越性。主要內容來自於作者多年的研究成果，使讀者能夠比較全麵地瞭解張量分析的基本知識以及張量型算法在模式識彆領域的研究、發展和應用。《張量數據的特徵提取與分類》理論聯係實際，集知識性、專業性、操作性、技能性為一體。《張量數據的特徵提取與分類》的讀者對象主要為模式識彆的、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。

目錄

前言

第1章 緒論
1．1 研究背景與意義
1．2 傳統特徵提取和分類方法
1．3 基於張量數據的特徵提取和分類方法研究現狀
1．3．1 數據的張量錶示
1．3．2 基於張量數據的特徵提取算法
1．3．3 基於張量數據的分類器
1．3．4 張量型算法與嚮量型算法比較
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 張量的符號錶示與展開
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 相關嚮量型特徵提取算法
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 嶺迴歸分類算法
2．5 本章小結

第3章 基於MPCA和GTDA的張量型特徵提取算法
3．1 引言
3．2 融閤MPCA和GTDA的特徵提取算法
3．2．1 多綫性主成分分析
3．2．2 廣義張量判彆分析
3．2．3 MPCA與GTDA算法融閤
3．3 GTDA算法的先決條件分析
3．3．1 投影後特徵子空間的維數確定
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 多綫性多秩迴歸分類算法（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
縮寫符號對照錶
數學符號對照錶
參考文獻
張量數據的特徵提取與分類 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價