دانلود کتاب Graph embedding for pattern analysis
کتاب تعبیه نمودار برای تجزیه و تحلیل الگو نسخه زبان اصلی
دانلود کتاب تعبیه نمودار برای تجزیه و تحلیل الگو بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Graph embedding for pattern analysis
نام کتاب : Graph embedding for pattern analysis
ویرایش : 1 ed.
عنوان ترجمه شده به فارسی : تعبیه نمودار برای تجزیه و تحلیل الگو
سری :
نویسندگان : Muhammad Muzzamil Luqman, Jean-Yves Ramel (auth.), Yun Fu, Yunqian Ma (eds.)
ناشر : Springer-Verlag New York
سال نشر : 2013
تعداد صفحات : 260
[264]
ISBN (شابک) : 978-1-4614-44 , 978-1-4614-44
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
جاسازی نمودار برای تشخیص الگو، روش‌های تئوری، محاسبات و برنامه‌های کاربردی را پوشش می‌دهد که به طور گسترده در آمار، یادگیری ماشین، پردازش تصویر، و بینایی رایانه استفاده می‌شوند. این کتاب آخرین پیشرفت‌ها در تئوری‌های تعبیه گراف، مانند گراف منیفولد غیرخطی، روش خطی‌سازی، تحلیل زیرفضای گراف، گراف L1، گراف، گراف بدون جهت و گراف در فضاهای برداری را ارائه می‌کند. کاربردهای دنیای واقعی این نظریه‌ها به طور گسترده در کاهش ابعاد، یادگیری زیرفضا، یادگیری چندگانه، خوشه‌بندی، طبقه‌بندی و انتخاب ویژگی گسترده می‌شوند. گروهی منتخب از متخصصان در فصل‌های مختلف این کتاب مشارکت می‌کنند که چشم‌اندازی جامع از این حوزه ارائه می‌کند.
توضیحاتی در مورد کتاب به زبان اصلی :
Graph Embedding for Pattern Recognition covers theory methods, computation, and applications widely used in statistics, machine learning, image processing, and computer vision. This book presents the latest advances in graph embedding theories, such as nonlinear manifold graph, linearization method, graph based subspace analysis, L1 graph, hypergraph, undirected graph, and graph in vector spaces. Real-world applications of these theories are spanned broadly in dimensionality reduction, subspace learning, manifold learning, clustering, classification, and feature selection. A selective group of experts contribute to different chapters of this book which provides a comprehensive perspective of this field.
پست ها تصادفی