原创力文档
- 1、本内容来自版权合作机构，您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
- 2、本文档为正版电子图书，虚拟物品付费之后概不接收任何理由退款。
查看更多
结构化表征学习是机器学习研究的核心问题之一，旨在探索如何从高维可观测数据中获取有效的结构化信息表示，以实现高精度、鲁棒、快速的数据分析，是由数据到知识的关键渠道。本书重点介绍如何从具有不确定性的海量大媒体数据中挖掘和提取结构化、鲁棒、高效的特征，并实现高性能的信息挖掘和知识推断。本书内容包含近年来涌现的一些高效、鲁棒的结构化表征学习模型，介绍了基于鲁棒且紧凑的表征学习的一体化表征学习理论和方法，并为应对真实世界中的数据分析任务，如数据简约特征表达、紧凑特征压缩、有效特征筛选以
徐勇哈尔滨工业大学（深圳）教授、博士生导师，教育部长江学者特聘教授。研究方向为模式识别、生物特征识别、图像处理、深度学习、生物信息学。发表JCR一区论文100余篇，近5年连续入选Elsevier中国高被引学者，并入选“广东省特支计划”“鹏城学者计划”“教育部新世纪优秀人才支持计划”等人才计划。策划编辑／贺瑞君出版咨询与投稿：010uijunhe@卢光明哈尔滨工业大学（深圳）教授、博士生导师、计算机学院副院长，深圳市高层次人才。研究方向为机器学习、计算机视觉、医学图像/信号处理，曾获黑龙江省自然科学一等奖等奖项，获发明专利授权近20项，出版国际学术专著2部，发表学术论文100
文档评论（0）