欢迎光临武汉大学出版社!
图书详情首页 > 图书中心
高维数据的流形学习分析方法
作者:李波 著 版次:1-1 开本:16 页数:219 千字数:287 装帧方式:平装
ISBN 978-7-307-17839-7 出版时间:2016-05-03 印刷时间:2016-05-03 定价:¥36元 浏览量: 购买图书
流形学习作为一种非线性维数约减方法,可以成功挖掘高维非线性数据中蕴含的几何结构信息,实现高维数据到低维空间中的映射。本书首先介绍了流形学习方法研究的背景和典型应用领域,然后对于流形及流形学习相关的数学概念进行定义,按照流形学习方法的特点对其分类,并详细描述了每一类型代表性流形学习方法。本书面向数据分类,探讨了传统流形学习方法的缺陷及常用解决措施。针对流形学习噪声敏感,设计了基于ISOMAP的噪声流形学习方法。结合原始流形无监督学习的特点,提出了基于LE的判别图拉普拉斯谱学习方法和基于LLE的局部线性判别嵌入方法的监督学习方法。本书还根据多类数据的多流形分布假设,介绍三种基于多流形相似度度量学习的多流形判别学习方法。并从克服小样本问题入手,定义两种多流形间距准则,阐述了三种基于多流形间距准则的多流形判别学习方法。最后,构建线性维数约减统一Fisher框架模型。
李波,男,博士,武汉科技大学副教授,中国科学院自动化所博士后,国际INNS协会会员。目前从事模式识别、机器学习和生物信息学等方面的研究工作,在国际SCI,EI 期刊和国际会议上发表论文20余篇。