内容简介
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、有效特征筛选以及隐含知识挖掘等，提供了较为全面且切实可靠的解决方案。
数据分析的结构化表征学习是2022年由人民邮电出版社出版,作者著。
得书感谢您对《数据分析的结构化表征学习》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
