黎曼流形稀疏优化

内容介绍

黎曼流形稀疏优化, 作为一种新兴的大数据分析方法, 通过刻画数据内在的非线性流形几何结构, 同时兼具高效的稀疏压缩优势, 能够从海量高维数据中精准提取核心特征, 在工程技术、经济分析、交通调度、军事应用等领域展现出重要的应用价值.

章节安排

• 第 1 章   绪论
  
• 第 2 章   基于双稀疏主成分分析的特征选择
  
• 第 3 章   基于稀疏联邦学习的异常检测
  
• 第 4 章   基于正交非负矩阵分解的故障检测
  
• 第 5 章   基于稀疏张量典型相关分析的多视角学习
  
• 第 6 章   基于对比学习稀疏低秩的特征选择
  
• 第 7 章   基于深度张量低秩表示的图像去噪
  
• 第 8 章   基于深度自适应低秩稀疏的的目标检测
  
• 第 9 章   基于深度低秩支持矩阵机的图像分类
  
• 第 10 章   基于自适应稀疏的大语言模型剪枝
  
• 第 11 章   图像反问题的深度展开方法
  
• 第 12 章   大语言模型驱动的优化方法
  

购买信息

• 京东自营链接
  
• 作者版本 (适合iPad)