反投影稀疏表示模型及其应用--详细介绍

图书搜索
帮助
热门图书
平面设计基础(第二版)
EDA技术实用教程——V...
内蒙古大兴安岭汗马国家级...
中国中西部南北旅游大通道...
基于深度学习的医学图像数...
汽车维护实训指导
管理学基础
食品理化检验技术
数控车削操作与实训
推荐系统进展:方法与技术
基于评估的智障学生职业教...
成本核算与管理
机电设备基本电路装接与调...
机电设备操作
体能和形体训练(下)
学前儿童区域游戏经典案例
新编大学计算机基础——计...
C语言程序设计实验指导与...
电子技术基础与实训教程
建筑装饰工程施工组织与管...
区域性幼儿园游戏化课程设...
财经法规与会计职业道德
[ 本科及研究生教材 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 公共课 ]
        [ 公共课 ]
[ 高职高专教材 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 农林环境 ]
        [ 农林环境 ]
    [ 公共课 ]
        [ 公共课 ]
[ 中职中专教材 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 公共课 ]
        [ 公共课 ]
[ 店销书,专著 ]
    [ 信息技术,电子 ]
        [ 信息技术,电子 ]
    [ 经济管理 ]
        [ 经济管理 ]
    [ 建筑 ]
        [ 建筑 ]
    [ 机械,制造 ]
        [ 机械,制造 ]
    [ 农林环境 ]
        [ 农林环境 ]
    [ 其他 ]
        [ 其他 ]
 当前位置:店销书,专著 信息技术,电子 信息技术,电子 信息技术,电子 反投影稀疏表示模型及其应用
   
反投影稀疏表示模型及其应用
作者:杨晓慧
书名:反投影稀疏表示模型及其应用
定价:¥ 98 元
光盘: 
丛书名:  
免费资源下载:
本书PPT下载:
目录和样章下载: 样章下载地址
开本: 小16K
标准书号: 978-7-03-057629-3
字数(千): 250
页数: 208
出版日期: 2019-6-28
发行号: TP-7983.0101
装帧: 平装
点击热度: 958
最新印刷日期:    
 
编辑推荐
...........................................................................................................................................
 
获奖情况
...........................................................................................................................................
 
图书介绍
...........................................................................................................................................
  本书从经典的稀疏表示模型入手,构建了反投影稀疏表示模型。首先从理论上探讨了该模型的可行性和稳定性;然后基于实际问题,结合先验信息对表示模型添加不同的正则项约束,进而采用合适的优化算法完成模型的快速求解,并分析了相应的收敛性,同时也构建了一套量化指标,用于客观地衡量稀疏表示模型的性能;最后给出了在人脸识别和基因识别等方面的具体应用。
  本书涉及的内容及讨论的难度和深度适合高等院校数学、信息科学、计算机科学与技术、控制科学与工程、电子科学与技术等领域的研究人员,可以为相关专业高年级本科生及研究生提供参考,同时可供模式识别、数学建模及优化求解相关领域的研究人员和工程技术人员参考。
 
前言
...........................................................................................................................................
  高维数据的稀疏表示是当前大数据时代机器学习和计算机视觉等研究领域的热点之一,而基于稀疏表示分类的理论和应用得到了广泛的研究。深度学习作为模式识别和机器学习领域的新兴工具,近几年在图像和语音识别等领域取得了革命性发展,然而其成功目前仍需依靠大量有效的训练数据库、先进的硬件设备和复杂的网络结构,并且深度学习的数学理论到目前为止尚不是特别明确,一般不能保证收敛得到全局最优解。相比较而言,稀疏表示具有良好的数学基础,而且不需要学习和训练,简单有效,近些年得到蓬勃发展。目前关于稀疏表示分类的研究大都集中在借助训练样本表示测试样本,也就是说,将测试样本投影到训练样本构成的空间上,称这种投影方式为正投影。
  本书从一种全新的视角探讨稀疏表示问题,将训练样本投影到其他表示空间,相比正投影而言我们称其为反投影。基于此,主要探讨基于反投影的稀疏表示模型,从数学理论上研究了模型的构建、可行性及稳定性,进而给出模型的优化求解及相应的收敛性分析,为了更加客观地衡量各种稀疏表示模型的性能,定义了一套量化指标体系。最后,给出了当前大数据背景下反投影稀疏表示模型在人脸识别和基于微阵列基因表达谱数据的肿瘤识别方面的应用。总的来说,本书既有比较丰富的数学理论,也有应用实例及分析。
  本书内容分为3个部分。第1部分为基础理论篇,阐述了反投影稀疏表示模型、相应的优化求解方法和衡量模型优劣的量化指标体系等;第2部分为人脸识别篇,包括作者团队基于反投影稀疏表示做的两项关于人脸识别的工作,其一是基于伪全空间表示模型的人脸识别,其二是基于低秩约束和稀疏约束的伪全空间表示模型的人脸识别;第3部分为肿瘤识别篇,包括作者团队基于反投影稀疏表示做的3个基于微阵列基因表达谱数据的肿瘤识别方面的工作:第一个是基于两阶段基因选择和反空间表示模型的肿瘤识别,第二个是基于决策信息因子和反空间稀疏表示模型的肿瘤识别,第三个是基于低秩变异字典和反空间组稀疏表示模型的肿瘤识别。
  作者依托河南大学数据分析技术重点实验室,致力于稀疏表示的数学理论与应用研究,并在反投影稀疏表示理论、应用及实现等方面取得了一些成果。本书是对作者团队研究工作的初步总结,汇聚了整个团队的集体智慧。本书所涉及的程序代码可以访问河南大学数据分析技术实验室网站获取,网址 http://dat.henu. edu.cn/index.htm。
  特别感谢以下几位合作者:感谢美国佛罗里达大学陈韵梅教授对本书的整体工作给予的悉心指点,特别是本书第5章的模型优化求解方法部分;感谢河南大学周福娜教授对本书中人脸识别部分的工作给予的帮助;感谢河南大学杨利军副教授,本书的很多成果都在我们共同的讨论班上进行了多次认真研讨;感谢南京理工大学刘芳博士对本书第6章顺利完成付出的辛苦和努力。
  本书的完成离不开多位老师和研究生的支持与帮助,感谢西安电子科技大学焦李成教授、武汉纺织大学李登峰教授、浙江大学孔德兴教授、杭州电子科技大学文成林教授、南京大学何炳生教授、美国佛罗里达大学李宪奇博士和李粤博士以及河南大学宋锦萍教授、肖运海教授、郑晨副教授、王沛副教授、庞志峰副教授、罗守胜博士、辛欣博士和苏丽敏博士等对本书的关心支持与辛勤付出,感谢合作方浙江省肿瘤医院乳腺癌专家张娟和放射科专家龙丹,以及河南省肿瘤医院放疗科李定杰主任和陆寓非主任、乳腺外科乔江华主任等给予的指点和帮助。特别感谢团队成员蒋潇滢、吴文铭和田晨曦在书稿整理过程中付出的辛勤劳动与努力,感谢团队成员吴环、田丽、赵倩倩等的前期工作积累,感谢团队成员孙磊、白欣宇和王雪丽的校勘工作。本书的出版得到国家自然科学基金项目(11701144,U1604158)、河南省自然科学基金项目(162300410061)、河南省教育厅科技攻关重点项目(14A120009)、河南省青年骨干教师项目(2013GGJS­027)和河南大学新兴交叉及特色学科培育项目(xxjc20170003)等科研任务的资助,特此感谢。感谢河南大学数学与统计学院、河南大学应用数学研究所、河南大学数据分析技术实验室和河南省数字图形图像学会的支持。
  限于作者的水平,书中不妥之处在所难免,恳请有关专家、学者、读者惠予指正。

                                                    作者
 
图书目录
...........................................................................................................................................
第1部分  基础理论篇
第1章  绪论    3
1.1  稀疏表示概述    3
1.2  稀疏表示分类及其应用概述    4
1.3  本书内容结构及安排    6
第2章  稀疏表示分类模型    9
2.1  稀疏表示分类    9
2.1.1  稀疏表示    9
2.1.2  稀疏表示模型    10
2.1.3  稀疏表示模型的分类准则    13
2.2  改进的稀疏表示分类    14
2.2.1  协同表示分类    14
2.2.2  扩展的稀疏表示分类    15
本章小结    16
第3章  反投影稀疏表示分类模型    17
3.1  反投影稀疏表示及其性能分析    17
3.1.1  反投影稀疏表示    17
3.1.2  反投影稀疏表示的可行性分析    19
3.1.3  反投影稀疏表示的稳定性分析    20
3.2  反投影稀疏表示模型    22
3.2.1   ­反投影稀疏表示模型    22
3.2.2   ­反投影稀疏表示模型    22
3.2.3   ­反投影稀疏表示模型    23
3.2.4  低秩­反投影稀疏表示模型    23
3.3  反投影稀疏表示模型的分类准则    24
本章小结    25
第4章  稀疏表示分类模型的量化指标体系    26
4.1  类别表示集中度指标    26
4.2  分类精度指标    28
4.2.1  ROC和AUC    28
4.2.2  DCA和类别决策指标    30
4.3  分类稳定性指标    32
4.4  分类鲁棒性指标    33
本章小结    36
第5章  稀疏表示分类模型的优化求解方法    37
5.1  增广拉格朗日乘子法    37
5.2  ADMM及其改进算法    38
5.2.1  ADMM算法    38
5.2.2 扩展的ADMM算法    40
5.2.3  广义ADMM算法    42
5.2.4  半临近广义ADMM算法    43
5.2.5  LADMAP算法    44
本章小结    45
第2部分  人脸识别篇
第6章  基于 ­伪全空间表示的人脸识别    49
6.1   ­伪全空间表示模型    49
6.2  基于 ­伪全空间表示的人脸识别算法    50
6.3  实验结果及分析    51
6.3.1  参数分析    51
6.3.2   ­伪全空间表示的性能分析    52
6.3.3  类别贡献率的性能分析    55
6.3.4  鲁棒性分析    56
6.3.5  拒绝外来样本    61
6.3.6  与其他人脸识别算法的对比    63
本章小结    65
第7章  基于低秩­ ­伪全空间表示的人脸识别    66
7.1  低秩­ ­伪全空间表示模型    66
7.1.1   ­伪全空间表示模型    66
7.1.2  低秩­伪全空间表示模型    67
7.1.3  低秩­ ­伪全空间表示模型    67
7.2  模型的优化求解    68
7.2.1  模型中一对正交矩阵的验证    68
7.2.2  优化求解    69
7.3  基于低秩­ ­伪全空间表示的人脸识别算法    71
7.4  实验结果与分析    72
7.4.1  参数分析    73
7.4.2  低秩­ ­伪全空间表示的性能分析    73
7.4.3  类别贡献率的性能分析    75
7.4.4  收敛性分析    75
7.4.5  鲁棒性分析    77
7.4.6  相对稳定性分析    84
本章小结    89
第3部分  肿瘤识别篇
第8章  基于两阶段基因选择和 ­反空间表示的肿瘤识别    93
8.1  两阶段基因选择    93
8.1.1  基因初选    94
8.1.2  基于LASSO方法的基因提纯    95
8.1.3  两阶段混合基因选择算法    96
8.2   ­反空间表示模型及其优化求解    98
8.3  基于 ­反空间表示的肿瘤识别算法    99
8.4  实验结果与分析    100
8.4.1   ­反空间表示的性能评价    101
8.4.2  类别贡献率的性能分析    102
8.4.3  鲁棒性分析    105
8.4.4  与改进的SRC方法对比    106
8.4.5  计算复杂度分析    107
8.4.6  基因选择的性能分析    107
8.4.7  候选致病基因的生物学分析    113
本章小结    118
第9章  基于决策信息因子和 ­反空间表示的肿瘤识别    120
9.1  基于决策信息因子的基因选择    120
9.2  基于逐层预训练多层稀疏NMF模型的特征学习    122
9.2.1  NMF模型    122
9.2.2  逐层预训练多层稀疏NMF(LPML­SNMF)模型    123
9.2.3  模型的优化求解    124
9.3   ­反空间表示模型及优化求解    125
9.3.1  基于LPML­SNMF的 ­反空间表示模型    126
9.3.2  模型的优化求解    126
9.4  基于 ­反空间表示的肿瘤识别算法    128
9.5  实验结果与分析    129
9.5.1  识别早期是否有肿瘤    130
9.5.2  识别不同肿瘤类型    131
9.5.3  识别术后是否发生转移    132
本章小结    150
第10章  基于低秩变异字典的 ­反空间表示及其在肿瘤识别中的应用    151
10.1  低秩变异字典的构造    151
10.1.1  低秩变异字典    151
10.1.2  固定元素的低秩变异字典的构造    153
10.1.3  变化元素的低秩变异字典的构造    153
10.1.4  变异字典检测指标    154
10.2   ­反空间表示分类模型及其优化求解    155
10.2.1   ­反空间稀疏表示模型    155
10.2.2   ­反空间表示模型的优化求解    156
10.3  基于低秩变异字典和 ­反空间表示的肿瘤识别    158
10.4  实验结果与分析    159
10.4.1  肿瘤数据库    159
10.4.2  基因初选的有效性分析    160
10.4.3  变异字典的可行性分析    161
10.4.4  变异字典的有效性分析    163
10.4.5  收敛性分析    166
10.4.6  分类性能分析    167
10.4.7  分类稳定性分析    169
10.4.8  候选致病基因的分析    174
本章小结    180
参考文献    182
附录  数据库    192
 
 
本站首页 | 联系我们 | 所有图书 | 资源下载 | 作者投稿 | 读者反馈 | 业务联系 | 招聘信息 | 加入收藏    
Copyright www.abook.cn All Rights Reserved
地址:北京市海淀区北三环西路43号青云当代大厦21层2109   邮编:100086
站长QQ:693638799 Email:693638799@qq.com 电话:010-62140850
版权所有:科学出版社 职教技术出版中心
京ICP备13039988号