随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动推荐方法和基于协同过滤的活动推荐方法，并介绍了一种流程信息的可视化算法，实现了一个
电子书
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。
章节目录
- 扉页
- 版权页
- 电子信息前沿专著系列
- 总序
- 前言
- 目录
- 第1章 绪论
- 1.1 表征学习的概念
- 1.2 结构化表征学习基础
- 1.2.1 结构化表征学习的基础理论和方法
- 1.2.2 结构化表征学习的应用
- 参考文献
- 第2章 块对角低秩表征学习
- 2.1 低秩表征学习方法
- 2.2 块对角低秩表征学习的方法设计
- 2.3 块对角低秩表征学习的优化算法
- 2.4 识别算法的设计
- 2.5 块对角低秩表征学习的算法分析
- 2.5.1 收敛性分析
- 2.5.2 计算时间复杂度
- 2.5.3 新样本预测检验
- 2.6 与现有低秩表征学习方法的关系
- 2.6.1 与非负低秩表征稀疏方法的关系
- 2.6.2 与结构化稀疏低秩表征方法的关系
- 2.6.3 与监督正则化鲁棒子空间方法的关系
- 2.7 实验验证
- 2.7.1 实验设置
- 2.7.2 在人脸识别任务中的实验结果
- 2.7.3 在字符识别任务中的实验结果
- 2.7.4 在场景识别任务中的实验结果
- 2.7.5 优势分析
- 2.7.6 算法收敛性实验验证
- 2.7.7 算法参数敏感性经验分析
- 2.8 本章小结
- 参考文献
- 第3章 判别性弹性网正则化回归表征学习
- 3.1 最小二乘回归方法
- 3.2 基于弹性网正则化的回归表征学习模型
- 3.2.1 一种普适的弹性网正则化回归表征学习框架
- 3.2.2 判别性弹性网正则化回归表征学习模型
- 3.2.3 判别性弹性网正则化回归表征学习的快速模型
- 3.3 模型优化求解和算法分类模型
- 3.3.1 模型的优化求解
- 3.3.2 判别性回归表征空间的构造和算法分类模型
- 3.4 算法分析
- 3.4.1 与经典回归模型的关系
- 3.4.2 时间复杂度和收敛性分析
- 3.5 实验验证
- 3.5.1 对比方法与实验设置
- 3.5.2 在人脸识别任务中的实验结果
- 3.5.3 在物体识别任务中的实验结果
- 3.5.4 在场景识别任务中的实验结果
- 3.5.5 与传统的回归表征学习模型进行对比分析
- 3.5.6 优化算法的收敛条件和参数敏感性经验分析
- 3.5.7 算法效率分析
- 3.6 本章小结
- 参考文献
- 第4章 边缘结构化表征学习
- 4.1 判别性最小二乘回归方法
- 4.2 边缘结构化表征学习模型
- 4.2.1 损失函数
- 4.2.2 算法复杂度正则项
- 4.2.3 自适应流形结构学习
- 4.3 边缘结构化表征学习算法的优化策略
- 4.3.1 求解优化变量W、A和B
- 4.3.2 求解优化变量R
- 4.3.3 求解优化变量P
- 4.4 半监督学习模型的扩展
- 4.5 边缘结构化表征学习的算法分析
- 4.5.1 优化算法收敛性的理论分析
- 4.5.2 计算复杂度
- 4.6 实验验证
- 4.6.1 实验设置
- 4.6.2 在物体识别任务中的实验结果
- 4.6.3 在人脸识别任务中的实验结果
- 4.6.4 在纹理识别任务中的实验结果
- 4.6.5 在场景识别任务中的实验结果
- 4.6.6 识别性能对比分析
- 4.6.7 算法参数敏感性经验分析
- 4.6.8 算法收敛性实验验证
- 4.6.9 效率对比分析
- 4.7 本章小结
- 参考文献
- 第5章 基于联合学习的二值多视图表征学习
- 5.1 二值多视图表征学习框架
- 5.1.1 二值多视图聚类模型
- 5.1.2 高效的可扩展多视图图像聚类分析模型
- 5.2 高效的可扩展多视图图像聚类算法
- 5.3 高效的可扩展多视图图像聚类算法分析
- 5.3.1 收敛性分析
- 5.3.2 复杂度分析
- 5.4 实验验证
- 5.4.1 数据集和评估标准
- 5.4.2 中等规模多视图数据实验验证
- 5.4.3 大规模多视图数据实验验证
- 5.4.4 经验性分析
- 5.4.5 可视化分析
- 5.5 本章小结
- 参考文献
- 第6章 基于灵活局部结构扩散的广义不完整多视图聚类
- 6.1 多视图聚类方法
- 6.1.1 部分多视图聚类
- 6.1.2 多个不完整视图聚类
- 6.2 基于灵活局部结构扩散的广义不完整多视图聚类模型
- 6.2.1 单视图个体表征学习
- 6.2.2 多视图一致性表征学习
- 6.2.3 自适应加权多视图学习
- 6.2.4 GIMC_FLSD的总体目标函数
- 6.3 GIMC_FLSD的优化算法
- 6.4 GIMC_FLSD的理论分析
- 6.4.1 计算复杂度
- 6.4.2 收敛性分析
- 6.4.3 与其他方法的联系
- 6.5 实验验证
- 6.5.1 实验配置
- 6.5.2 实验结果和分析
- 6.5.3 时间复杂度分析
- 6.5.4 参数灵敏度分析
- 6.5.5 收敛性分析
- 6.6 本章小结
- 参考文献
- 第7章 可扩展的监督非对称哈希学习
- 7.1 哈希学习方法
- 7.2 可扩展的监督非对称哈希学习模型
- 7.2.1 问题定义
- 7.2.2 方法解析
- 7.3 可扩展的监督非对称哈希表征学习的优化算法
- 7.3.1 交替优化方法
- 7.3.2 收敛性分析
- 7.3.3 算法的样本外扩展问题
- 7.4 实验验证
- 7.4.1 实验数据
- 7.4.2 实验设置
- 7.4.3 在CIFAR-10图像检索数据集上的实验结果
- 7.4.4 在Caltech-256目标检索数据集上的实验结果
- 7.4.5 在SUN-397场景检索数据集上的实验结果
- 7.4.6 在ImageNet大规模数据集上的实验结果
- 7.4.7 在NUS-WIDE多实例数据集上的实验结果
- 7.4.8 实验分析和讨论
- 7.5 本章小结
- 参考文献
- 第8章 深度语义协同哈希学习
- 8.1 哈希学习方法
- 8.2 深度语义协同哈希学习模型
- 8.2.1 问题定义
- 8.2.2 特征嵌入网络
- 8.2.3 类别编码网络
- 8.2.4 构建语义不变结构
- 8.2.5 协同学习
- 8.3 深度语义协同哈希学习的优化算法设计
- 8.3.1 训练策略分析
- 8.3.2 样本扩展问题
- 8.4 实验验证
- 8.4.1 实验设置
- 8.4.2 评估标准
- 8.4.3 在NUS-WIDE数据集上的实验结果
- 8.4.4 在MIRFlickr数据集上的实验结果
- 8.4.5 在CIFAR-10数据集上的实验结果
- 8.4.6 子模块分析
- 8.4.7 参数敏感性分析和可视化结果
- 8.5 本章小结
- 参考文献
- 第9章 判别性费希尔嵌入字典学习
- 9.1 相关工作
- 9.1.1 符号定义
- 9.1.2 画像定义
- 9.1.3 FDDL算法
- 9.2 判别性费希尔嵌入字典学习算法
- 9.2.1 判别性费希尔原子嵌入模型
- 9.2.2 判别性费希尔系数嵌入模型
- 9.2.3 DFEDL算法的目标函数
- 9.3 判别性费希尔嵌入字典学习的优化算法
- 9.4 算法对比与分析
- 9.4.1 DFEDL算法与FDDL算法的关系
- 9.4.2 时间复杂度分析
- 9.4.3 收敛性分析
- 9.5 实验验证
- 9.5.1 实验配置
- 9.5.2 数据集描述
- 9.5.3 在深度特征数据集上的实验结果
- 9.5.4 在手工数据集上的实验结果
- 9.5.5 实验结果分析
- 9.5.6 参数敏感性分析
- 9.5.7 实验收敛性分析
- 9.5.8 不同原子数的影响
- 9.5.9 与深度学习模型的对比
- 9.6 本章小结
- 参考文献
- 附录
- 附录A 引理9-1及其证明过程
- 附录B 引理9-2及其证明过程
- 附录C 定理9-1及其证明过程
展开全部
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。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
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。
电子书
电子书
随着企业数字化转型不断深化，企业对数据库工程师的需求越来越大。本书结合实际工作场景，将企业数据库运维的相关工作分为10个项目，内容包括了解数据库运维工作，安装和配置MySQL，管理MySQL权限与安全，分析MySQL日志，备份与恢复MySQL，监控、测试并优化MySQL性能，MySQL复制，搭建及运维MySQLCluster，结合Redis的MySQL运维，数据库自动化运维。本书配套教学PPT、题
电子书
《Python程序设计——编程基础、Web开发及数据分析》系统讲述了Python程序设计的基础知识。全书共15章，内容包括：Python概述、Python基本语法、Python的基本流程控制、Python的四种典型序列结构、Python函数、Python文件和数据库操作、面向对象程序设计、模块和包、字符串操作与正则表达式的使用、错误及异常处理、GUI编程、网络和多线程编程、基于Flask框架的We
电子书
本书主要介绍如何使用Python处理Excel数据。本书内容分为三大部分：第一部分主要介绍数据分析的概念和Python基础；第二部分通过蜂蜜电商数据分析案例详细介绍数据分析的技术要点，包括读写Excel文件所需的xlwings库和openpyxl库、数据分析的pandas核心库，以及数据可视化常用的Matplotlib库和Seaborn库；第三部分包括个人消费贷款数据分析和螺蛳粉连锁店销售数据分析
电子书
本书展示了如何在业务场景中应用机器学习，全书分为三个部分。第一部分介绍有效的决策如何帮助公司提高生产率以保持竞争力，阐释如何使用开源工具和AWS工具将机器学习应用于业务决策中。第二部分以虚拟人物为主线，研究六个场景，这些场景展示了如何使用机器学习来制定各种业务决策。第三部分讨论如何在Web上设置和共享机器学习模型，还介绍了一些案例。
电子书
本书基于Python语言，介绍了数据分析、机器学习、深度学习等内容，涉及统计学基础、Python基础、Python面向对象入门、在Python中操作MySQL、Pandas、Matplotlib、人工智能、Scikit-learn、神经网络等。书中包括大量代码和综合练习，以及丰富的实战案例。
电子书
电子书
本书全面讲解Python数据分析的相关知识和技术，内容包括Python数据分析概述、NumPy数值计算、Matplotlib数据可视化、Pandas数据分析、数据预处理、Sklearn机器学习。 本书以培养学生编程能力和数据分析能力为目标，注重技术应用能力的培养。 本书内容充实、结构合理、实用性强，具有明确的应用能力培养目标，易于接受和理解，学完本书后，可以具备数据分析的基本能力。 本书适合
