新書推薦：
《
教育研究量表手册 21世纪教育科学系列教材
》
售價：HK$
97.9
《
真事隐：康熙废储与正史虚构
》
售價：HK$
85.8
《
工艺之美（席曼婷）
》
售價：HK$
97.9
《
揭秘煤气灯效应：心理操控的哲学透视
》
售價：HK$
60.5
《
走，去地下 探索地球内部的秘密【精装大本】
》
售價：HK$
96.8
![含混的哲思——梅洛－庞蒂·杨大春讲梅洛－庞蒂[修订本合集]](//img.megbook.hk/upload/mall/productImages/26/7/9787303310944.jpg)
《
含混的哲思——梅洛－庞蒂·杨大春讲梅洛－庞蒂[修订本合集]
》
售價：HK$
184.8
《
财务炼金术：AI时代从财务小白到超级个体的成长手册
》
售價：HK$
97.9
《
粤港澳大湾区的创新创业故事
》
售價：HK$
96.8
|
| 編輯推薦： |
|
本书在介绍稀疏学习经典理论的基础上，专注于高光谱影像分类这一广泛应用的重要实际问题，从不同角度挖掘稀疏性，从而构造多种稀疏学习和分类模型，理论结合实践展示稀疏学习在高光谱影像分类中的应用。为帮助机器学习及遥感影像分类领域初学者迅速入门，本书主要介绍以下方面的理论、技术及应用：稀疏学习的基本工具；稀疏学习的数学基础；稀疏最小二乘支持向量机；基于稀疏拉普拉斯支持向量机的高光谱影像分类；基于张量稀疏编码的高光谱影像分类。
|
| 內容簡介： |
|
稀疏学习是机器学习的一个热门领域，被广泛应用于诸多学科。本书系统介绍了近年来稀疏学习与分类领域常见的理论及技术，并结合作者多年的研究成果，展示了相关理论及技术在高光谱影像分类领域的实践情况。全书共九章，主要内容包含如下方面：稀疏学习数学基础；基于耦合压缩修剪的稀疏最小二乘支持向量机；基于稀疏最小二乘支持向量机的高光谱影像分类；基于稀疏拉普拉斯支持向量机的高光谱影像分类；基于切片稀疏编码张量分类器的高光谱影像分类；基于核切片张量稀疏编码分类器的双高遥感影像分类；用于高光谱影像分类的具有空间近邻张量的混合概率稀疏编码分类器。本书适合对机器学习或者遥感影像处理感兴趣的研究人员和工程技术人员阅读。
|
| 關於作者： |
|
杨丽霞，女，1982年3月生，博士，副教授，硕士研究生导师，宁夏科学工程计算与数据分析重点实验室骨干成员。2004年毕业于宁夏大学数学与应用数学（师范）专业，获理学学士学位；2007年毕业于宁夏大学应用数学专业，获理学硕士学位；2016年毕业于西安电子科技大学智能信息处理专业，获工学博士学位。2018年2月到宁夏大学数学统计学院工作，主要研究方向：压缩感知、机器学习及遥感图像处理。作为主要研究骨干参与完成国家重点基础研究发展计划(973计划)、国家自然科学基金重大研究计划培育项目、国家自然科学基金青年项目、总装备部跨行业预研基金、博士点基金(博导类)各1项。现主持在研国家自然科学基金青年项目、中国博士后科学基金面上资助、宁夏重点研发项目(引才专项)及宁夏自然科学基金项目各1项。并在这些项目的资助下在《IEEETransactionsonGeoscienceandRemoteSensing》、《InformationSciences》、《Knowledge-BasedSystems》等国际权威期刊发表论文14篇。
|
| 目錄：
|
目录
第1章绪论
1.1稀疏学习
1.1.1稀疏表示
1.1.2压缩感知
1.2高光谱遥感
1.2.1高光谱遥感技术
1.2.2高光谱遥感影像分类
1.2.3高光谱遥感影像分类方法概述
1.3本书的内容及组织
参考文献
第2章稀疏学习的数学基础
2.1压缩感知的数学基础
2.1.1感知问题
2.1.2稀疏性和不相干性
2.2稀疏学习机的数学基础
2.2.1符号
2.2.2构造稀疏学习机的方法
2.2.3稀疏学习机的推广误差界
2.3本章小结
参考文献
第3章稀疏最小二乘支持向量机
3.1基于耦合压缩修剪的稀疏LS SVM
3.1.1引言
3.1.2压缩采样
3.1.3LS SVM的耦合压缩修剪
3.1.4实验结果与分析
3.2基于稀疏LS SVM的高光谱影像分类
3.2.1引言
3.2.2基于多观测向量的稀疏LS SVM
3.2.3基于耦合压缩感知的稀疏LS SVM
3.2.4实验结果与分析
3.3本章小结
参考文献
第4章基于LapSVM的高光谱影像分类
4.1基于空谱LapSVM的高光谱影像分类
4.1.1引言
4.1.2基于空谱LapSVM的高光谱影像分类
4.1.3实验结果与分析
4.2基于稀疏LapSVM的高光谱影像分类
4.2.1引言
4.2.2核传递
4.2.3基于压缩感知的稀疏LapSVM
4.2.4实验结果与分析
4.3本章小结
参考文献
第5章基于张量稀疏编码的高光谱影像分类
5.1基于HPSCC SNT的高光谱影像分类
5.1.1引言
5.1.2具有空间近邻张量的混合概率稀疏编码分类器
5.1.3实验结果与分析
5.2基于SSCTC CDR的高光谱影像分类
5.2.1引言
5.2.2用于HIC的SSCTC CDR
5.2.3实验结果与分析
5.3基于KTSSCC的无人机载高光谱影像精确作物分类
5.3.1引言
5.3.2用于无人机载H2影像分类的KTSSCC
5.3.3实验结果与分析
5.4本章小结
参考文献
|
| 內容試閱：
|
前言
稀疏性是人类感知世界的一个主要特征，与自然环境的统计特性之间存在必然联系。通过稀疏性来改善机器学习系统性能，既符合实际问题的模型，也和研究者们追求精简的表示、求解方式的愿望相一致。因此，近年来稀疏学习得到了越来越多的关注，如今在各个学科均有研究和应用。
本书系统介绍了近年来稀疏学习与分类领域常见的理论及技术，并结合作者多年的研究成果，展示了相关理论及技术在高光谱影像分类领域的实践情况。
本书共分5章。第1章首先介绍了稀疏表示和压缩感知这两种稀疏学习的基本工具，然后讲述了高光谱遥感技术成像原理以及高光谱影像的特性。之后，简要介绍了高光谱影像分类这一高光谱影像处理的有效途径，并讲述了高光谱影像分类的难点问题与典型方法。稀疏学习研究主要有两个方向: 一是挖掘利用数据的各种稀疏性，使数据的表示大为简化，减少计算，从而获得对于数据“宏观”特征的把握； 二是开发网络结构稀疏的模型，用极少量参数发挥最重要作用，具有可解释性强、预测阶段计算复杂度低的优势，典型代表为各种稀疏学习机。本书第2~4章重点研究模型的稀疏性，第5章关注数据的稀疏性。第2章讲述了稀疏学习机的定义、存在性和泛化性等数学基础。第3章和第4章分别介绍了两种稀疏学习机的理论及其针对高光谱影像分类等问题的实现过程。第5章从高光谱数据的稀疏性出发，介绍了3种基于张量稀疏编码的分类器及其在高光谱影像分类中的应用。
本书适合对机器学习或者遥感影像处理感兴趣的研究人员和工程技术人员阅读。本书可作为遥感、测绘、地理信息、计算机等专业的本科生和研究生了解高光谱影像分类方法的教材，也可以作为相关专业的科研工作者和工程技术人员的参考书。
本书得到了国家自然科学基金地区项目(62466047、62361051)、国家自然科学基金面上项目（62171357)、宁夏大学“双一流”建设项目以及宁夏自然科学基金重点项目(2022AAC02005)的资助。
书中列出了所引用的全部文献，在此对这些参考文献的著者表示感谢。同时，书中所有仿真实验中程序的参考来源和所使用公测数据的来源均以链接网址的形式给出，在此对网站和相关著者以及数据提供者表示衷心感谢。
由于著者水平有限，本书难免存在不足之处，敬请读者批评指正。
著者
2024年9月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
![含混的哲思——梅洛－庞蒂·杨大春讲梅洛－庞蒂[修订本合集]](http://img.megbook.hk/upload/mall/productImages/26/7/9787303310944.jpg)
