Nicht aus der Schweiz? Besuchen Sie lehmanns.de

Robust Representation for Data Analytics (eBook)

Models and Applications

, (Autoren)

eBook Download: PDF
2017 | 1st ed. 2017
XI, 224 Seiten
Springer International Publishing (Verlag)
978-3-319-60176-2 (ISBN)

Lese- und Medienproben

Robust Representation for Data Analytics - Sheng Li, Yun Fu
Systemvoraussetzungen
117,69 inkl. MwSt
(CHF 114,95)
Der eBook-Verkauf erfolgt durch die Lehmanns Media GmbH (Berlin) zum Preis in Euro inkl. MwSt.
  • Download sofort lieferbar
  • Zahlungsarten anzeigen
This book introduces the concepts and models of robust representation learning, and provides a set of solutions to deal with real-world data analytics tasks, such as clustering, classification, time series modeling, outlier detection, collaborative filtering, community detection, etc. Three types of robust feature representations are developed, which extend the understanding of graph, subspace, and dictionary.

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?
PDFPDF (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.

Mehr entdecken
aus dem Bereich
der Praxis-Guide für Künstliche Intelligenz in Unternehmen - Chancen …

von Thomas R. Köhler; Julia Finkeissen

eBook Download (2024)
Campus Verlag
CHF 37,95
Wie du KI richtig nutzt - schreiben, recherchieren, Bilder erstellen, …

von Rainer Hattenhauer

eBook Download (2023)
Rheinwerk Computing (Verlag)
CHF 16,95