亚洲AV成人片色在线观看高潮,免费无码精品黄Aⅴ电影

內(nèi)容簡介

　　《非線性數(shù)據(jù)挖掘》主要介紹非線性數(shù)據(jù)挖掘技術(shù)，以子空間聚類為主要的數(shù)據(jù)分析方法，結(jié)合稀疏表示、低秩表示、多核學習、協(xié)同學習等技術(shù)，針對現(xiàn)有模型中存在的一些問題，在適應非線性數(shù)據(jù)并抑制大尺度噪聲的能力、算法的有效實現(xiàn)、模型推廣以及應用等方面進行了探討和研究。《非線性數(shù)據(jù)挖掘》主要內(nèi)容有四個方面：①研究并解決了傳統(tǒng)的核子空間聚類方法不能有效挖掘特征空間中數(shù)據(jù)低秩結(jié)構(gòu)的問題：②有效解決了現(xiàn)有的多視圖聚類方法得到的往往是次優(yōu)解的問題：③解決了多視圖數(shù)據(jù)中各視圖數(shù)據(jù)的獨有特征信息不易挖掘的問題；④研究多視圖數(shù)據(jù)中樣本置信度的差異性問題?！斗蔷€性數(shù)據(jù)挖掘》內(nèi)容系統(tǒng)性強、知識覆蓋面廣、觀點獨到，適合廣大數(shù)據(jù)挖掘?qū)I(yè)的技術(shù)人員、學者及在校學生閱讀。

作者簡介

暫缺《非線性數(shù)據(jù)挖掘》作者簡介

圖書目錄

第1章緒論
1．1 研究背景與研究意義
1．2 子空間聚類概述
1．3 稀疏子空間聚類概述
1．3．1 單視圖稀疏子空間聚類研究現(xiàn)狀
1．3．2 多視圖稀疏子空間聚類研究現(xiàn)狀
1．4 稀疏子空間聚類相關(guān)理論
1．4．1 稀疏表示
1．4．2 低秩表示
1．4．3 子空間聚類優(yōu)化算法
1．5 本書的主要內(nèi)容
1．6 本書結(jié)構(gòu)
第2章基于非凸低秩核的穩(wěn)健子空間聚類
2．1 引言
2．2 相關(guān)工作
2．2．1 Schatten p-范數(shù)
2．2．2 相關(guān)熵
2．3 穩(wěn)健低秩核子空間聚類模型與求解策略
2．3．1 穩(wěn)健低秩核子空間聚類模型
2．3．2 模型的優(yōu)化與求解
2．3．3 RLKSC的完整算法
2．4 收斂性及計算復雜度分析
2．4．1 收斂性分析
2．4．2 計算復雜度分析
2．5 實驗結(jié)果與分析
2．5．1 實驗設置
2．5．2 在YaleB數(shù)據(jù)集上的人臉聚類
2．5．3 在AR數(shù)據(jù)集上的人臉聚類
2．5．4 在COIL-20數(shù)據(jù)集上的物體聚類
2．5．5 在Hopkins155數(shù)據(jù)集上的運動分割
2．5．6 參數(shù)選擇與收斂性驗證
2．6 小結(jié)
第3章融合協(xié)同表示與低秩核的穩(wěn)健多視圖子空間聚類
3．1 引言
3．2 主要符號與相關(guān)工作
3．2．1 主要符號
3．2．2 非凸低秩核策略
3．3 RLKMSC模型與求解策略
3．3．1 Centroid-based RLKMSC的模型提出與優(yōu)化
3．3．2 Pairwise RLKMSC的模型與優(yōu)化
3．3．3 RLKSC的完整算法
3．4 收斂性與計算復雜度分析
3．4．1 收斂性分析
3．4．2 計算復雜度
3．5 實驗與結(jié)果分析
3．5．1 數(shù)據(jù)集簡介
3．5．2 對比算法與實驗設置
3．5．3 實驗結(jié)果與分析
3．5．4 參數(shù)選擇與收斂性驗證
3．6 小結(jié)
……
第4章基于加權(quán)Schatten p-范數(shù)小化的異核多視圖穩(wěn)健子空間聚類
第5章置信度自動加權(quán)穩(wěn)健多視圖子空間聚類
第6章結(jié)束語
參考文獻