Open Problems in Spectral Dimensionality Reduction - Harry Strange, Reyer Zwiggelaar

Blick ins Buch

Open Problems in Spectral Dimensionality Reduction (eBook)

Harry Strange, Reyer Zwiggelaar (Autoren)

eBook Download: PDF

2014 | 2014
IX, 92 Seiten
Springer International Publishing (Verlag)
978-3-319-03943-5 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

The last few years have seen a great increase in the amount of data available to scientists, yet many of the techniques used to analyse this data cannot cope with such large datasets. Therefore, strategies need to be employed as a pre-processing step to reduce the number of objects or measurements whilst retaining important information. Spectral dimensionality reduction is one such tool for the data processing pipeline. Numerous algorithms and improvements have been proposed for the purpose of performing spectral dimensionality reduction, yet there is still no gold standard technique. This book provides a survey and reference aimed at advanced undergraduate and postgraduate students as well as researchers, scientists, and engineers in a wide range of disciplines. Dimensionality reduction has proven useful in a wide range of problem domains and so this book will be applicable to anyone with a solid grounding in statistics and computer science seeking to apply spectral dimensionality to their work.

IntroductionSpectral Dimensionality ReductionModelling the ManifoldIntrinsic DimensionalityIncorporating New PointsLarge Scale DataPostcript

Erscheint lt. Verlag	7.1.2014
Reihe/Serie	SpringerBriefs in Computer Science
Reihe/Serie	SpringerBriefs in Computer Science
Zusatzinfo	IX, 92 p. 20 illus., 15 illus. in color.
Verlagsort	Cham
Sprache	englisch
Themenwelt	Mathematik / Informatik ► Informatik ► Datenbanken
	Mathematik / Informatik ► Informatik ► Grafik / Design
	Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge
	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
Schlagworte	Algorithm analysis and problem complexity • Big Data • data structures • machine learning • Manifold Learning Algorithms • Nonlinear Dimensionality Reduction (NLDR) • Principal Component Analysis (PCA)
ISBN-10	3-319-03943-1 / 3319039431
ISBN-13	978-3-319-03943-5 / 9783319039435

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

53,49 €