稀疏表示学习理论与应用
正版图书，可开发票，请放心购买。
￥ 56.81 6.5折 ￥ 88 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者田博//朱鹏程//杨磊|责编:徐超
出版社上海财大
ISBN9787564242053
出版时间2023-11
装帧平装
开本其他
定价88元
货号31898672
上书时间2023-12-08
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 稀疏表示与压缩感知概述
1.1 稀疏性实例
1.2 稀疏表示的研究背景
1.3 信号稀疏表示的发展
1.4 信号稀疏表示概述
1.5 压缩感知理论
本章小结
第2章 稀疏表示模型
2.1 稀疏性的概念
2.2 信号稀疏一冗余表示
2.3 稀疏表示模型
2.4 稀疏表示学习算法
本章小结
第3章 小波变换、脊波变换及曲波变换
3.1 小波变换
3.2 脊波变换
3.3 曲波变换
本章小结
第4章 稀疏表示理论分析
4.1 问题(P0)和问题(P1)的等价性
4.2 稀疏表示理论概率性证明
4.3 稀疏随机矩阵的有限等距性质
本章小结
第5章 稀疏字典学习
5.1 稀疏字典学习概述
5.2 匹配追踪算法
5.3 非监督字典学习
5.4 稀疏分解ASR算法
本章小结
第6章 LASSo模型
6.1 LASSO概述
6.2 LASSO里论
6.3 LASSO模型求解
6.4 仿真实验分析
本章小结
第7章 Dantzig选择器
7.1 Dantzig选择器模型
7.2 DS I题解特性分析
7.3 原始对偶追踪算法分析
7.4 原始对偶内点法
7.5 ADMM求解Dantzig选择器
7.6 DASSO方法
7.7 仿真实验分析
本章小结
第8章 稀疏贝叶斯学习
8.1 稀疏贝叶斯学习概述
8.2 正则化稀疏贝叶斯学习
8.3 概率稀疏表示分类方法
本章小结
第9章 稀疏表示中常用的优化算法
内容摘要
本书介绍稀疏表示学习理论与相关应用。第1章概
述信号稀疏性与压缩感知的关系、压缩感知的研究内容。第2章介绍稀疏概念与稀
疏表示数学模型。第3章介绍小波变换、脊波变换及曲波变换。第4章讨论信号重构的确定性与概率性证明。
第5章讨论稀疏表示字典学习。第6章讨论LASSO模型及其应用。第7章讨论Dantzig选择器理论。第8章讨论稀疏贝叶斯分类模型。
第9章分析次梯度优化方法、阈值迭代方法、交替方向乘子法、坐标下降法等。第10章分析Lq优化近似计算方法。第11章分析稀疏子空间聚类算法。第12到14章探讨稀疏表示在人脸检测与识别、运动检测、非负矩阵分解等中的相关应用。本书可作为人工智能、模式识别、图像信息处理与计算机以及应用数学等相关专业的本科大学生和研究生的参考书。
— 没有更多了 —
以下为对购买帮助不大的评价