- Afhalen na 1 uur in een winkel met voorraad
- Gratis thuislevering in België vanaf € 30
- Ruim aanbod met 7 miljoen producten
- Afhalen na 1 uur in een winkel met voorraad
- Gratis thuislevering in België vanaf € 30
- Ruim aanbod met 7 miljoen producten
Omschrijving
In this book a number of novel algorithms for dimension reduction and statistical pattern recognition for both supervised and unsupervised learning tasks have been presented. Several existing pattern classifiers and dimension reduction algorithms are studied. Their limitations and/or weaknesses are considered and accordingly improved techniques are given which overcome several of their shortcomings. Highlights are: i) Survey of basic dimensional reduction tools viz. principal component analysis and linear discriminant analysis are conducted. ii) Development of Fast PCA technique which finds the desired number of leading eigenvectors with much less computational cost. iii) Development of gradient LDA technique for SSS problem. iv) The rotational LDA technique is developed to reduce the overlapping of samples between the classes. v) A combined classifier using MDC, class-dependent PCA and LDA is presented. vi) The splitting technique initialization is introduced in the local PCA technique. vii) A new perspective of subspace ICA (generalized ICA, where all the components need not be independent) is introduced by developing vector kurtosis (an extension of kurtosis) function.
Specificaties
Betrokkenen
- Auteur(s):
- Uitgeverij:
Inhoud
- Aantal bladzijden:
- 220
- Taal:
- Engels
Eigenschappen
- Productcode (EAN):
- 9783846533314
- Verschijningsdatum:
- 1/05/2012
- Uitvoering:
- Paperback
- Formaat:
- Trade paperback (VS)
- Afmetingen:
- 152 mm x 229 mm
- Gewicht:
- 326 g
Alleen bij Standaard Boekhandel
+ 155 punten op je klantenkaart van Standaard Boekhandel
E-BOOK ACTIE
Beoordelingen
We publiceren alleen reviews die voldoen aan de voorwaarden voor reviews. Bekijk onze voorwaarden voor reviews.