結(jié)構化表征學習是機器學習研究的核心問題之一，旨在探索如何從高維可觀測數(shù)據(jù)中獲取有效的結(jié)構化信息表示，以實現(xiàn)高精度、魯棒、快速的數(shù)據(jù)分析，是由數(shù)據(jù)到知識的關鍵渠道。本書重點介紹如何從具有不確定性的海量大媒體數(shù)據(jù)中挖掘和提取結(jié)構化、魯棒、高效的特征，并實現(xiàn)高性能的信息挖掘和知識推斷。本書內(nèi)容包含近年來涌現(xiàn)的一些高效、魯棒的結(jié)構化表征學習模型，介紹了基于魯棒且緊湊的表征學習的一體化表征學習理論和方法，并為應對真實世界中的數(shù)據(jù)分析任務，如數(shù)據(jù)簡約特征表達、緊湊特征壓縮、有效特征篩選以及隱含知識挖掘等，提供了較為全面且切實可靠的解決方案。本書作者所在的團隊多年來一直從事機器學習、計算機視覺、多媒體分析的研究，承擔過眾多重量和省部級科研項目，具備從理論研究到工程應用的相關基礎。本書是對作者近五年研究成果的總結(jié)和梳理，書中介紹的理論和方法能夠很好地和實際應用結(jié)合在一起，行文流暢易讀，適合具有一定專業(yè)基礎的高年級本科生、研究生，以及相關領域的科研工作者和工程師閱讀。
|
