幫助中心 | 我的帳號 | 關於我們

稀疏表示學習理論與應用/匡時新方法系列

  • 作者:田博//朱鵬程//楊磊|責編:徐超
  • 出版社:上海財大
  • ISBN:9787564242053
  • 出版日期:2023/11/01
  • 裝幀:平裝
  • 頁數:268
人民幣:RMB 88 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書介紹稀疏表示學習理論與相關應用。第1章概述信號稀疏性與壓縮感知的關係、壓縮感知的研究內容。第2章介紹稀疏概念與稀疏表示數學模型。第3章介紹小波變換、脊波變換及曲波變換。第4章討論信號重構的確定性與概率性證明。第5章討論稀疏表示字典學習。第6章討論LASSO模型及其應用。第7章討論Dantzig選擇器理論。第8章討論稀疏貝葉斯分類模型。第9章分析次梯度優化方法、閾值迭代方法、交替方向乘子法、坐標下降法等。第10章分析Lq優化近似計算方法。第11章分析稀疏子空間聚類演算法。第12到14章探討稀疏表示在人臉檢測與識別、運動檢測、非負矩陣分解等中的相關應用。本書可作為人工智慧、模式識別、圖像信息處理與電腦以及應用數學等相關專業的本科大學生和研究生的參考書。

作者介紹
田博//朱鵬程//楊磊|責編:徐超

目錄
第1章  稀疏表示與壓縮感知概述
  1.1  稀疏性實例
  1.2  稀疏表示的研究背景
  1.3  信號稀疏表示的發展
  1.4  信號稀疏表示概述
  1.5  壓縮感知理論
  本章小結
第2章  稀疏表示模型
  2.1  稀疏性的概念
  2.2  信號稀疏一冗余表示
  2.3  稀疏表示模型
  2.4  稀疏表示學習演算法
  本章小結
第3章  小波變換、脊波變換及曲波變換
  3.1  小波變換
  3.2  脊波變換
  3.3  曲波變換
  本章小結
第4章  稀疏表示理論分析
  4.1  問題(P0)和問題(P1)的等價性
  4.2  稀疏表示理論概率性證明
  4.3  稀疏隨機矩陣的有限等距性質
  本章小結
第5章  稀疏字典學習
  5.1  稀疏字典學習概述
  5.2  匹配追蹤演算法
  5.3  非監督字典學習
  5.4  稀疏分解ASR演算法
  本章小結
第6章  LASSo模型
  6.1  LASSO概述
  6.2  LASSO里論
  6.3  LASSO模型求解
  6.4  模擬實驗分析
  本章小結
第7章  Dantzig選擇器
  7.1  Dantzig選擇器模型
  7.2  DS I題解特性分析
  7.3  原始對偶追蹤演算法分析
  7.4  原始對偶內點法
  7.5  ADMM求解Dantzig選擇器
  7.6  DASSO方法
  7.7  模擬實驗分析
  本章小結
第8章  稀疏貝葉斯學習
  8.1  稀疏貝葉斯學習概述
  8.2  正則化稀疏貝葉斯學習
  8.3  概率稀疏表示分類方法
  本章小結
第9章  稀疏表示中常用的優化演算法

  9.1  次梯度優化演算法
  9.2  ADMM演算法
  9.3  近端線性化近似布雷格曼(Bregman)演算法
  9.4  坐標下降法
  9.5  閾值迭代法
  本章小結
第10章  Lq優化模型近似計算方法
  10.1  L0范數平滑函數法
  10.2  L1/2正則化理論
  10.3  迭代重加權Lq極小化演算法
  10.4  迭代重加權最小二乘法
  本章小結
第11章  稀疏子空間聚類
  11.1  子空間聚類概述
  11.2  稀疏子空間聚類
  11.3  稀疏子空間聚類社區發現
  本章小結
第12章  基於稀疏表示的人臉識別與檢測
  12.1  基於稀疏表示的人臉識別方法
  12.2  基於稀疏表示的人臉檢測方法
  本章小結
第13章  基於稀疏表示的運動目標檢測
  13.1  RPCA運動目標檢測方法
  13.2  基於低秩一稀疏表示的運動目標檢測方法
  13.3  基於低秩一稀疏與全變分表示的運動目標檢測方法
  本章小結
第14章  稀疏約束條件下的非負矩陣分解
  14.1  非負矩陣分解概述
  14.2  非負矩陣分解迭代演算法
  14.3  SSC-NMF結合的社區發現方法
  14.4  模擬實驗分析
  本章小結
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032