|
题名:
|
基于低秩结构学习的谱聚类理论与方法 / 杜世强著 , |
|
ISBN:
|
978-7-5046-9213-9 价格： CNY48.00 |
|
语种:
|
chi |
|
载体形态:
|
144页 26cm |
|
出版发行:
|
出版地： 北京 出版社： 中国科学技术出版社 出版日期： 2021.10 |
|
内容提要:
|
近年来，随着数据获取能力的不断提高和计算机的飞速发展，人们获得的数据信息越来越多，数据维数越来越高，如何寻找这些海量高维数据信息中潜在的规律，更好地为人类服务，是目前人工智能面临的挑战之一。在没有标签信息的情况下，对高维数据实施维数约简的同时进行归类分析，挖掘数据的内在低秩结构，是当前机器学习的一个难点、也是热点之一。谱聚类作为聚类分析的一种，不仅对初始值和数据噪声有更好的鲁棒性，而且实施简单，可以被标准的线性代数方法进行有效求解。因此，基于低秩结构学习的谱聚类理论和方法在机器学习、人工智能、大数据技术方面有着更加广阔的应用空间。本书主要研究了基于低秩结构学习的谱聚类理论与方法，从矩阵和张量两方面进行研究。重点关注紧凑低秩表示学习、鲁棒的无监督特征选择学习、图正则化低秩因子分解学习、张量低秩稀疏表示学习和增强的张量低秩表示学习等，理论分析了这些基于低秩结构的表示学习方法优化过程、复杂度、收敛性等，实验结果表明了这些方法在谱聚类方面的优越性。 |
|
主题词:
|
聚类分析法 研究 |
|
中图分类法:
|
O212.7 版次： 5 |
|
主要责任者:
|
杜世强 著 |
|
索书号:
|
O212.7/4441 |