图书介绍

快速与增量式数据降维算法研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

申富饶，竺涛，赵健著著
出版社：北京：科学出版社
ISBN：9787030592378
出版时间：2018
标注页数：208页
文件大小：70MB
文件页数：218页
主题词：机器学习－算法－研究

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：c181df1dba4a7b77ceddabb94b94254a

下载说明

快速与增量式数据降维算法研究PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章绪论1

1.1 数据降维算法分类4

1.2 本书主要内容与组织结构6

第2章经典线性降维算法介绍9

2.1 主成分分析10

2.2 线性判别分析14

2.3 独立成分分析16

2.4 随机投影18

2.5 非负矩阵分解19

2.6 局部保持投影24

2.7 增量式线性判别分析25

2.8 无偏协方差无关增量主成分分析30

2.9 典型相关分析32

2.10 本章小结34

第3章线性降维中基本问题的讨论35

3.1 线性降维与矩阵分解36

3.2 数据选择与自适应阈值系统38

3.3 线性方程组的求解问题与矩阵条件数41

3.4 本章小结46

第4章基于数据选择的半非负矩阵分解48

4.1 引言49

4.2 相关工作介绍50

4.3 基于数据选择的semi-NMF算法52

4.4 实验55

4.4.1 在单张图片上的矩阵分解实验56

4.4.2 在真实数据集上的实验58

4.5 本章小结63

第5章正交成分提取分析64

5.1 引言65

5.2 OCA算法描述66

5.3 OCA算法分析68

5.4 实验71

5.4.1 在人工数据集上的实验71

5.4.2 在真实数据集上的实验74

5.5 本章小结81

第6章增量式正交成分分析83

6.1 引言84

6.2 IOCA算法描述86

6.3 IOCA算法分析88

6.3.1 关于IOCA学习过程的分析88

6.3.2 关于IOCA有效性的分析94

6.4 实验96

6.4.1 在人工数据集上的实验96

6.4.2 在真实数据集上的实验99

6.5 本章小结106

第7章子空间正交基底在线调整算法108

7.1 引言109

7.2 子空间正交基底调整算法110

7.2.1 子空间的“对齐”112

7.2.2 子空间的基底的更新114

7.2.3 新子空间唯一性的证明116

7.3 EOCA算法119

7.4 实验122

7.4.1 在人工数据集上的实验122

7.4.2 在真实数据集上的实验124

7.5 本章小结127

第8章经典非线性降维算法128

8.1 拉普拉斯特征映射129

8.2 经典多维尺度变换130

8.3 等距特征映射131

8.4 局部线性嵌入132

8.5 局部切空间规整133

8.6 随机近邻嵌入与对称随机近邻嵌入135

8.7 基于核方法的数据降维138

8.8 基于神经网络的数据降维139

8.9 本章小结141

第9章改进的基准点选取SL-Isomap算法142

9.1 引言143

9.2 SOINN147

9.3 SL-Isomap算法描述150

9.3.1 基准点选取151

9.3.2 测地线距离计算153

9.3.3 基准点降维映射154

9.3.4 基于基准点对数据降维映射154

9.3.5 坐标标准化155

9.4 拓扑保持分析155

9.4.1 算法分析155

9.4.2 计算与空间复杂度分析155

9.5 对比实验分析156

9.5.1 Swiss＿roll＿data数据集157

9.5.2 含噪声的Swiss＿roll＿data数据集158

9.5.3 AT＆T face数据集160

9.5.4 误差分析162

9.6 本章小结163

第10章拓扑学习与在线映射算法164

10.1 引言165

10.2 TLOE算法描述166

10.2.1 基准点近邻图构造167

10.2.2 基准点测地线距离计算167

10.2.3 基准点降维映射168

10.2.4 新数据点测地线距离计算169

10.2.5 新数据点降维映射169

10.3 拓扑保持分析170

10.4 计算与空间复杂度分析170

10.5 对比实验分析171

10.5.1 Swiss＿roll＿data数据集的降维可视化171

10.5.2 MNIST数据集的分类任务172

10.6 误差分析173

10.7 本章小结174

第11章基于拓扑学习的流形学习算法175

11.1 引言176

11.2 拓扑学习嵌入178

11.2.1 拓扑学习179

11.2.2 数据嵌入184

11.3 实验185

11.3.1 在人工数据集上的实验185

11.3.2 在手写数字数据集上的实验193

11.4 本章小结195

第12章总结与展望196

12.1 主要工作内容197

12.2 工作展望198

参考文献199

索引207