相關商品
商品簡介
商品簡介
近年來，隨著數據獲取能力的不斷提高和計算機的飛速發展，人們獲得的數據信息越來越多，數據維數越來越高，如何尋找這些海量高維數據信息中潛在的規律，更好地為人類服務，是目前人工智能面臨的挑戰之一。 在沒有標簽信息的情況下，對高維數據實施維數約簡的同時進行歸類分析，挖掘數據的內在低秩結構，是當前機器學習的一個難點、也是熱點之一。譜聚類作為聚類分析的一種，不僅對初始值和數據噪聲有更好的魯棒性，而且實施簡單，可以被標準的線性代數方法進行有效求解。因此，基於低秩結構學習的譜聚類理論和方法在機器學習、人工智能、大數據技術方面有著更加廣闊的應用空間。
本書主要研究了基於低秩結構學習的譜聚類理論與方法，從矩陣和張量兩方面進行研究。重點關注緊湊低秩表示學習、魯棒的無監督特徵選擇學習、圖正則化低秩因子分解學習、張量低秩稀疏表示學習和增強的張量低秩表示學習等，理論分析了這些基於低秩結構的表示學習方法優化過程、複雜度、收斂性等，實驗結果表明了這些方法在譜聚類方面的優越性。
本書主要研究了基於低秩結構學習的譜聚類理論與方法，從矩陣和張量兩方面進行研究。重點關注緊湊低秩表示學習、魯棒的無監督特徵選擇學習、圖正則化低秩因子分解學習、張量低秩稀疏表示學習和增強的張量低秩表示學習等，理論分析了這些基於低秩結構的表示學習方法優化過程、複雜度、收斂性等，實驗結果表明了這些方法在譜聚類方面的優越性。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。