Robust Representation for Data Analytics (eBook)
XI, 224 Seiten
Springer International Publishing (Verlag)
978-3-319-60176-2 (ISBN)
Leveraging the theory of low-rank and sparse modeling, the authors develop robust feature representations under various learning paradigms, including unsupervised learning, supervised learning, semi-supervised learning, multi-view learning, transfer learning, and deep learning. Robust Representations for Data Analytics covers a wide range of applications in the research fields of big data, human-centered computing, pattern recognition, digital marketing, web mining, and computer vision.
Introduction.- Fundamentals of Robust Representations.- Part 1: Robust Representation Models.- Robust Graph Construction.- Robust Subspace Learning.- Robust Multi-View Subspace Learning.- Part 11: Applications.- Robust Representations for Collaborative Filtering.- Robust Representations for Response Prediction.- Robust Representations for Outlier Detection.- Robust Representations for Person Re-Identification.- Robust Representations for Community Detection.- Index.
| Erscheint lt. Verlag | 9.8.2017 |
|---|---|
| Reihe/Serie | Advanced Information and Knowledge Processing | Advanced Information and Knowledge Processing |
| Zusatzinfo | XI, 224 p. 52 illus., 49 illus. in color. |
| Verlagsort | Cham |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Grafik / Design |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | Graph Construction • Multi-view learning • Outlier Detection • Robust Representations • subspace learning |
| ISBN-10 | 3-319-60176-8 / 3319601768 |
| ISBN-13 | 978-3-319-60176-2 / 9783319601762 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 5,0 MB
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.
aus dem Bereich
