一種基于張量場的數(shù)據(jù)約簡方法及應用研究.pdf_第1頁
已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、當今對圖像、視頻、藥物分子、文本、空間數(shù)據(jù)、基因等數(shù)據(jù)的高階高維信息規(guī)律進行分析是目前機器學習、數(shù)據(jù)挖掘等領域迫切需要解決的問題之一。相對傳統(tǒng)的向量化的數(shù)據(jù)分析方法，張量方法為數(shù)據(jù)描述提供了一種更加自然的描述形式，同時張量場方法也為研究數(shù)據(jù)全局與局部關系提供了可行的數(shù)學方法。本文針對高階高維的數(shù)據(jù)對象進行研究，主要內容包括： (1)結合張量場的相關理論和現(xiàn)有的張量分解技術，給出了張量場的數(shù)據(jù)約簡模型、基于張量叢的學習模型和張量場

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論