123,123

內(nèi)容簡(jiǎn)介

　　《非線性數(shù)據(jù)挖掘》主要介紹非線性數(shù)據(jù)挖掘技術(shù)，以子空間聚類為主要的數(shù)據(jù)分析方法，結(jié)合稀疏表示、低秩表示、多核學(xué)習(xí)、協(xié)同學(xué)習(xí)等技術(shù)，針對(duì)現(xiàn)有模型中存在的一些問(wèn)題，在適應(yīng)非線性數(shù)據(jù)并抑制大尺度噪聲的能力、算法的有效實(shí)現(xiàn)、模型推廣以及應(yīng)用等方面進(jìn)行了探討和研究?！斗蔷€性數(shù)據(jù)挖掘》主要內(nèi)容有四個(gè)方面：①研究并解決了傳統(tǒng)的核子空間聚類方法不能有效挖掘特征空間中數(shù)據(jù)低秩結(jié)構(gòu)的問(wèn)題：②有效解決了現(xiàn)有的多視圖聚類方法得到的往往是次優(yōu)解的問(wèn)題：③解決了多視圖數(shù)據(jù)中各視圖數(shù)據(jù)的獨(dú)有特征信息不易挖掘的問(wèn)題；④研究多視圖數(shù)據(jù)中樣本置信度的差異性問(wèn)題?！斗蔷€性數(shù)據(jù)挖掘》內(nèi)容系統(tǒng)性強(qiáng)、知識(shí)覆蓋面廣、觀點(diǎn)獨(dú)到，適合廣大數(shù)據(jù)挖掘?qū)I(yè)的技術(shù)人員、學(xué)者及在校學(xué)生閱讀。

作者簡(jiǎn)介

暫缺《非線性數(shù)據(jù)挖掘》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1．1 研究背景與研究意義
1．2 子空間聚類概述
1．3 稀疏子空間聚類概述
1．3．1 單視圖稀疏子空間聚類研究現(xiàn)狀
1．3．2 多視圖稀疏子空間聚類研究現(xiàn)狀
1．4 稀疏子空間聚類相關(guān)理論
1．4．1 稀疏表示
1．4．2 低秩表示
1．4．3 子空間聚類優(yōu)化算法
1．5 本書(shū)的主要內(nèi)容
1．6 本書(shū)結(jié)構(gòu)
第2章基于非凸低秩核的穩(wěn)健子空間聚類
2．1 引言
2．2 相關(guān)工作
2．2．1 Schatten p-范數(shù)
2．2．2 相關(guān)熵
2．3 穩(wěn)健低秩核子空間聚類模型與求解策略
2．3．1 穩(wěn)健低秩核子空間聚類模型
2．3．2 模型的優(yōu)化與求解
2．3．3 RLKSC的完整算法
2．4 收斂性及計(jì)算復(fù)雜度分析
2．4．1 收斂性分析
2．4．2 計(jì)算復(fù)雜度分析
2．5 實(shí)驗(yàn)結(jié)果與分析
2．5．1 實(shí)驗(yàn)設(shè)置
2．5．2 在YaleB數(shù)據(jù)集上的人臉聚類
2．5．3 在AR數(shù)據(jù)集上的人臉聚類
2．5．4 在COIL-20數(shù)據(jù)集上的物體聚類
2．5．5 在Hopkins155數(shù)據(jù)集上的運(yùn)動(dòng)分割
2．5．6 參數(shù)選擇與收斂性驗(yàn)證
2．6 小結(jié)
第3章融合協(xié)同表示與低秩核的穩(wěn)健多視圖子空間聚類
3．1 引言
3．2 主要符號(hào)與相關(guān)工作
3．2．1 主要符號(hào)
3．2．2 非凸低秩核策略
3．3 RLKMSC模型與求解策略
3．3．1 Centroid-based RLKMSC的模型提出與優(yōu)化
3．3．2 Pairwise RLKMSC的模型與優(yōu)化
3．3．3 RLKSC的完整算法
3．4 收斂性與計(jì)算復(fù)雜度分析
3．4．1 收斂性分析
3．4．2 計(jì)算復(fù)雜度
3．5 實(shí)驗(yàn)與結(jié)果分析
3．5．1 數(shù)據(jù)集簡(jiǎn)介
3．5．2 對(duì)比算法與實(shí)驗(yàn)設(shè)置
3．5．3 實(shí)驗(yàn)結(jié)果與分析
3．5．4 參數(shù)選擇與收斂性驗(yàn)證
3．6 小結(jié)
……
第4章基于加權(quán)Schatten p-范數(shù)小化的異核多視圖穩(wěn)健子空間聚類
第5章置信度自動(dòng)加權(quán)穩(wěn)健多視圖子空間聚類
第6章結(jié)束語(yǔ)
參考文獻(xiàn)