幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

多視圖深度學習方法與應用

  • 作者：編者:荊曉遠//劉雨暉//林遠淳//李鑫//劉飛|責編:孫力維//趙艷春
  • 出版社：科學
  • ISBN：9787030821652
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：226
人民幣：RMB 118 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    多視圖深度學習是人工智慧和機器學習領域的一個重要研究方向，在電腦視覺、自然語言處理和數據挖掘等領域廣泛應用。其核心在於探索如何利用深度學習模型，從多視角或多模態數據中提取有效信息，最終實現信息的融合與增強。本書內容涵蓋部分傳統多視圖學習方法，以及當前主流的多視圖特徵學習與深度表示學習方法。全書共10章，分為3個部分：第Ⅰ部分（第1、2章）闡述多視圖學習的研究背景、應用領域的研究現狀和未來發展趨勢；第Ⅱ部分（第3?5章）介紹多視圖特徵學習的應用與研究成果；第Ⅲ部分（第6?10章）討論多視圖深度表示學習的應用與研究進展。
    本書面向電腦科學、人工智慧及相關領域的研究人員、工程師及學生，旨在為其提供一份全面且深入的參考資料，助力讀者在多視圖深度學習的研究與實踐中深化認知並提升能力。
作者介紹
編者:荊曉遠//劉雨暉//林遠淳//李鑫//劉飛|責編:孫力維//趙艷春
目錄
前言
第Ⅰ部分  多視圖學習與深度學習
  第1章  多視圖學習概述
    1.1  背景與意義
    1.2  多視圖學習研究現狀與進展
      1.2.1  多視圖聚類方法研究
      1.2.2  多視圖分類方法研究
      1.2.3  多視圖回歸方法研究
      1.2.4  多視圖決策方法研究
    1.3  多視圖學習研究不足與展望
    1.4  本書內容安排
    參考文獻
  第2章  多視圖學習方法綜述
    2.1  多視圖特徵表示學習
      2.1.1  基於連接的多視圖特徵表示學習
      2.1.2  基於對齊的多視圖特徵表示學習
      2.1.3  基於共享-獨有的多視圖特徵表示學習
      2.1.4  基於可解釋的多視圖特徵表示學習
    2.2  深度學習
      2.2.1  深度有監督學習
      2.2.2  深度半監督學習
      2.2.3  深度無監督學習
      2.2.4  深度強化學習
    2.3  本章小結
    參考文獻
第Ⅱ部分  多視圖特徵學習的應用與研究
  第3章  基於子空間學習的多視圖特徵學習方法
    3.1  子空間學習概述及本章研究內容
    3.2  組遞歸鑒別子空間學習
      3.2.1  樣本集分解與遞歸學習
      3.2.2  投影向量選擇規則
      3.2.3  矩陣形式遞歸學習終止準則
      3.2.4  演算法實現步驟
    3.3  不相關局部敏感多視圖鑒別分析
      3.3.1  局部敏感多視圖鑒別分析
      3.3.2  跨視圖的一致性
      3.3.3  不相關的多視圖變換
      3.3.4  問題建模與目標函數優化
    3.4  實驗驗證與有效性評估
      3.4.1  數據集介紹
      3.4.2  對比方法及實驗設置
      3.4.3  分類效果評估
      3.4.4  GRDSL、ULSMDA關鍵組成部分評估
      3.4.5  運行時間評估
      3.4.6  參數敏感性評估
    3.5  本章小結
    參考文獻
  第4章  基於字典學習的多視圖特徵學習方法
    4.1  字典學習定義及本章研究內容
    4.2  不相關多視圖鑒別字典學習

      4.2.1  UMD2L方法模型
      4.2.2  UMD2L目標函數優化
      4.2.3  基於字典編碼的分類機制
    4.3  多視圖低秩字典學習
      4.3.1  MLDL模型
      4.3.2  MLDL目標函數優化
      4.3.3  MLDL的分類機制
    4.4  多視圖低秩共享結構化字典學習
      4.4.1  MLS2DL模型
      4.4.2  MLS2DL目標函數優化
      4.4.3  MLS2DL的分類機制
    4.5  實驗驗證與有效性評估
      4.5.1  數據集介紹
      4.5.2  對比方法及實驗設置
      4.5.3  分類效果評估
      4.5.4  UMD2L、MLDL、MLS2DL關鍵組成部分評估
      4.5.5  運行時間評估
      4.5.6  參數敏感性評估
    4.6  本章小結
    參考文獻
  第5章  基於半監督鑒別分析的多視圖特徵學習方法
    5.1  半監督鑒別分析定義及本章研究內容
    5.2  不相關半監督視圖內和視圖間流形鑒別學習
      5.2.1  SI2MD機制
      5.2.2  半監督不相關約束
      5.2.3  USI2MD總目標函數及分類機制
    5.3  實驗驗證與有效性評估
      5.3.1  對比方法及實驗設置
      5.3.2  分類效果評估
      5.3.3  USI2MD關鍵組成部分評估
      5.3.4  運行時間評估
      5.3.5  參數敏感性評估
    5.4  本章小結
    參考文獻
第Ⅲ部分  多視圖深度表示學習的應用與研究
  第6章  基於譜內識別與譜間相關分析深度網路的多光譜人臉識別方法
    6.1  多光譜深度學習研究基礎及本章研究內容
    6.2  基於譜內識別與譜間相關分析的深度識別網路
      6.2.1  IDICN模型
      6.2.2  譜內識別分析
      6.2.3  譜間相關分析
      6.2.4  目標函數優化與求解
    6.3  實驗設置與結果分析
      6.3.1  HK PolyU多光譜數據集上的實驗結果
      6.3.2  CMU多光譜數據集上的實驗結果
      6.3.3  UWA多光譜數據集上的實驗結果
    6.4  有效性評估
      6.4.1  識別效果評估
      6.4.2  譜內識別分析與譜間相關分析重要性評估
      6.4.3  參數敏感性評估

    6.5  本章小結
    參考文獻
  第7章  基於共享-獨有半監督學習的多視圖深度鑒別表示學習方法
    7.1  共享-獨有半監督多視圖表示學習研究基礎及本章研究內容
    7.2  半監督多視圖深度鑒別表示學習
      7.2.1  共享-獨有多視圖深度鑒別表示學習框架
      7.2.2  基於深度度量學習和密度聚類的半監督學習方法
    7.3  典型的多視圖學習任務評估
      7.3.1  網頁分類
      7.3.2  圖像分類
      7.3.3  文檔分類
    7.4  實驗驗證與有效性評估
      7.4.1  消融實驗
      7.4.2  改進對比損失函數的有效性
      7.4.3  不同對齊策略的影響
      7.4.4  不同半監督學習策略的影響
      7.4.5  平衡因子對方法性能的影響
      7.4.6  訓練時間與收斂性
    7.5  本章小結
    參考文獻
  第8章  基於協同嵌入的多視圖深度表示學習方法
    8.1  協同嵌入研究基礎及本章研究內容
    8.2  協同嵌入多視圖表示學習框架
      8.2.1  本章假設與相似性判斷策略
      8.2.2  表示學習與坐標對齊
      8.2.3  多視圖標記傳播演算法
    8.3  實驗驗證與有效性評估
      8.3.1  數據集介紹
      8.3.2  分類效果評估
      8.3.3  特徵表示對比
      8.3.4  參數敏感性評估
      8.3.5  訓練時間與收斂性
    8.4  本章小結
    參考文獻
  第9章  視圖間具有互補信息交流的多視圖深度表示學習方法
    9.1  多視圖間信息交流研究基礎及本章研究內容
    9.2  受人類群體智能啟發的多視圖深度表示學習方法
      9.2.1  人類交流模型與整體架構
      9.2.2  單輪視圖交流模型
      9.2.3  多輪視圖交流模型
      9.2.4  表示學習與分類
    9.3  不同領域的多視圖任務評估
      9.3.1  醫學領域的對比
      9.3.2  生物信息學領域的對比
      9.3.3  機器學習領域的對比
    9.4  實驗驗證與有效性評估
      9.4.1  視圖交流有效性評估
      9.4.2  參數敏感性評估
      9.4.3  互補信息交流普適性
      9.4.4  與協同學習方法的區別

    9.5  本章小結
    參考文獻
  第10章  語義可解釋多視圖深度表示學習方法
    10.1  可解釋性多視圖表示學習研究基礎及本章研究內容
    10.2  基於對齊的語義可解釋多視圖表示學習方法
      10.2.1  基於對比學習的語義對齊表示學習網路
      10.2.2  基於表示激活映射RAM的多視圖語義相關性解釋框架
      10.2.3  基於類別激活映射CAM的特徵重要性解釋方法
    10.3  實驗設置與結果分析
      10.3.1  跨視圖檢索實驗
      10.3.2  基於RAM的語義相關性解釋實驗
      10.3.3  RAM兼容CAM實驗
    10.4  有效性評估
      10.4.1  方法適用場景與先進性
      10.4.2  方法普適性
    10.5  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