图书盲袋,以书为“药”
欢迎光临中图网 请 | 注册
> >
基于矩阵分解的信息融合方法与应用

基于矩阵分解的信息融合方法与应用

作者:马园园
出版社:科学技术文献出版社出版时间:2019-07-01
开本: 26cm 页数: 253页
中 图 价:¥56.2(7.2折) 定价  ¥78.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

基于矩阵分解的信息融合方法与应用 版权信息

基于矩阵分解的信息融合方法与应用 内容简介

大数据技术的发展,累积了大量的多源异构数据,挖掘这些数据背后蕴藏的价值,有助于推动科研人员发现科学规律的步伐。本书介绍了目前流行的多视角学习融合方法,并针对现有方法的不足,研究了基于矩阵分解的信息融合模型、考虑图正则化的矩阵分解融合模型和基于矩阵分解的预测模型,并将其应用到跨模态信息检索等任务中。 本书*后也详细介绍了*新的多视角数据整合方法及原理,以供业内同行和致力于机器学习的研究人员借鉴。

基于矩阵分解的信息融合方法与应用 目录

1 绪论
1.1 研究背景与研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究进展
1.2.1 信息融合研究现状述评
1.2.2 基于机器学习的信息融合研究现状述评
1.2.3 存在的主要问题
1.3 研究内容与本书结构
1.3.1 研究内容
1.3.2 本书结构
1.4 本书主要贡献

2 信息融合相关理论
2.1 信息融合概念与原理
2.1.1 信息融合概念
2.1.2 信息融合原理
2.2 信息融合策略
2.2.1 早期融合
2.2.2 中期融合
2.2.3 后期融合
2.3 子空间学习理论
2.3.1 多视角谱聚类
2.3.2 连接的多视角非负矩阵分解
2.3.3 一致的多视角非负矩阵分解
2.3.4 基于多、图的信息融合
2.4 本章小结

3 基于对称非负矩阵分解的信息融合模型
3.1 对称非负矩阵分解
3.1.1 相似性度量
3.1.2 目标函数与优化
3.2 SNMF与核K均值聚类、谱聚类的等效性
3.2.1 核K均值聚类
3.2.2 谱聚类
3.2.3 实例
3.3 基于对称非负矩阵分解的聚类融合模型
3.3.1 建模思想
3.3.2 基本假设和一致性矩阵表述
3.3.3 基于对称非负矩阵分解的聚类融合模型的建立
3.3.4 算法优化
3.4 实例分析与讨论
3.4.1 数据集描述与预处理
3.4.2 实验结果
3.4.3 分析与讨论
3.5 本章小结

4 考虑图正则化的对称非负矩阵分解信息融合模型
4.1 正则化思想
4.1.1 正则化理论
4.1.2 图正则化框架
4.2 基于Laplacian正则化的对称非负矩阵分解融合模型
4.2.1 建模思想概述
4.2.2 基本假设
4.2.3 基于Laplacian正则化的对称非负矩阵分解融合模型
4.2.4 算法优化
4.2.5 实例分析与讨论
4.3 基于Hessian正则化的对称非负矩阵分解融合模型
4.3.1 建模思想概述
4.3.2 基本假设和定义
4.3.3 基于Hessian正则化的对称非负矩阵分解融合模型
4.3.4 算法优化
4.3.5 实例分析与讨论
4.4 基于对称非负矩阵分解的预测模型
4.4.1 基于对称非负矩阵分解的实时样本预测模型
4.4.2 实验分析与讨论
4.5 本章小结
……
5 基于对称非负矩阵分解融合模型在跨模态检索中的应用
6 其他多视角信息融合模型及应用
7 总结与展望
参考文献
附录
致谢
展开全部

基于矩阵分解的信息融合方法与应用 作者简介

  马园园,男,博士,主要研究领域:机器学习、复杂网络、生物信息学等,目前就职于安阳师范学院计算机与信息工程学院,从事信息分析、信息组织与检索教学、科研等工作,近3年来,在国际主流会议和期刊上发表论文8篇,担任多个国际SCI期刊审稿人。

商品评论(0条)
暂无评论……
书友推荐
编辑推荐
返回顶部
中图网
在线客服