高维数据的特征选择 理论与算法pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

高维数据的特征选择 理论与算法PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 基本概念 1

1.1 特征选择 2

1.1.1 相关特征 7

1.1.2 冗余特征 11

1.2 特征变换 15

1.3 特征提取 20

1.3.1 尺度不变特征变换 21

1.3.2 方向梯度直方图 24

1.4 本章小结 27

1.5 本书的组织 28

2 特征选择及相关技术研究现状 30

2.1 传统特征选择的研究现状 30

2.1.1 生成特征子集 30

2.1.2 评价特征子集 32

2.2 监督特征选择算法研究现状 35

2.2.1 过滤式特征选择算法 35

2.2.2 绑定式 39

2.2.3 嵌入式特征选择算法 40

2.3 本章小结 44

3 组稀疏子空间的大间隔特征选择 45

3.1 模型的基本思想 45

3.1.1 大间隔学习 45

3.1.2 组稀疏子空间学习 53

3.2 模型的建立与实现 57

3.2.1 模型的建立 57

3.2.2 目标函数的求解 60

3.3 算法收敛性分析 65

3.4 本章小结 67

4 Trace Ratio-组稀疏子空间的大间隔特征选择 68

4.1 模型建立的基本思想 68

4.2 模型建立及算法的实现 69

4.2.1 模型的建立 69

4.2.2 TR-GSLM算法的求解过程 71

4.2.3 TR-GSLM算法的收敛性分析 76

4.3 本章小结 77

5 高效的Trace Ratio-组稀疏子空间的大间隔特征选择 78

5.1 模型建立的基本思想 78

5.2 ETR-GSLM算法实现过程 79

5.3 ETR-GSLM收敛性分析 84

5.4 实验分析 86

5.4.1 实验数据集及环境 86

5.4.2 参与比较的算法 87

5.4.3 基于分类精度的特征选择算法性能比较 88

5.4.4 平均分类精度的比较 88

5.4.5 提取前30％和60％的特征的分类精度比较 89

5.4.6 参数的敏感性分析与比较 90

5.4.7 算法的效率比较 99

5.4.8 实验小结 101

5.5 本章小结 102

6 无监督的特征选择 103

6.1 无监督特征选择的分类 104

6.2 过滤式无监督特征选择 104

6.2.1 Laplacian评分 105

6.2.2 谱分解的特征选择算法 111

6.3 嵌入式无监督特征选择 116

6.3.1 将结构信息与机器学习算法结合 117

6.3.2 结构信息，聚类信息与机器学习算法结合 122

6.3.3 结构信息，动态更新聚类信息和机器学习算法结合 125

6.3.4 动态更新结构信息，聚类信息和机器学习算法结合 128

6.4 本章小结 130

7 计算机视觉中的特征选择 132

7.1 高斯混合模型 133

7.1.1 生成方法和判别方法 134

7.1.2 高斯混合模型 135

7.2 Fisher向量 141

7.3 基于Fisher向量的特征选择 144

7.4 本章小结 146

参考文献 148