دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Ganesh R. Naik (eds.)
سری:
ISBN (شابک) : 9789811067037, 9789811067044
ناشر: Springer Singapore
سال نشر: 2018
تعداد صفحات: 256
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب پیشرفت در تجزیه و تحلیل مؤلفه اصلی: تحقیق و توسعه: پردازش سیگنال، تصویر و گفتار
در صورت تبدیل فایل کتاب Advances in Principal Component Analysis: Research and Development به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در تجزیه و تحلیل مؤلفه اصلی: تحقیق و توسعه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب آخرین پیشرفتها در مفاهیم و پیشرفتهای بیشتر تجزیه و
تحلیل مؤلفههای اصلی (PCA) را گزارش میکند و به تعدادی از
مشکلات باز مربوط به تکنیکهای کاهش ابعاد و توسعههای آنها با
جزئیات پرداخته میشود. این کتاب با گردآوری نتایج تحقیقاتی که
قبلاً در بسیاری از مقالات مجلات علمی در سراسر جهان پراکنده
شده بود، آنها را به شکل یکپارچه روش شناختی ارائه می کند.
ارائه بینشهای حیاتی در مورد موضوع در فصلهای مستقل که بین
نظریه و کاربردهای مشخص تعادل برقرار میکند، و بهویژه تمرکز
بر مسائل باز، خواندن آن برای همه محققان و متخصصان علاقهمند
به PCA ضروری است.
This book reports on the latest advances in concepts and
further developments of principal component analysis (PCA),
addressing a number of open problems related to dimensional
reduction techniques and their extensions in detail. Bringing
together research results previously scattered throughout
many scientific journals papers worldwide, the book presents
them in a methodologically unified form. Offering vital
insights into the subject matter in self-contained chapters
that balance the theory and concrete applications, and
especially focusing on open problems, it is essential reading
for all researchers and practitioners with an interest in
PCA.
Front Matter ....Pages i-vii
Sparse Principal Component Analysis via Rotation and Truncation (Zhenfang Hu, Gang Pan, Yueming Wang, Zhaohui Wu)....Pages 1-18
PCA, Kernel PCA and Dimensionality Reduction in Hyperspectral Images (Aloke Datta, Susmita Ghosh, Ashish Ghosh)....Pages 19-46
Principal Component Analysis in the Presence of Missing Data (Marco Geraci, Alessio Farcomeni)....Pages 47-70
Robust PCAs and PCA Using Generalized Mean (Jiyong Oh, Nojun Kwak)....Pages 71-98
Principal Component Analysis Techniques for Visualization of Volumetric Data (Salaheddin Alakkari, John Dingliana)....Pages 99-120
Outlier-Resistant Data Processing with L1-Norm Principal Component Analysis (Panos P. Markopoulos, Sandipan Kundu, Shubham Chamadia, Nicholas Tsagkarakis, Dimitris A. Pados)....Pages 121-135
Damage and Fault Detection of Structures Using Principal Component Analysis and Hypothesis Testing (Francesc Pozo, Yolanda Vidal)....Pages 137-191
Principal Component Analysis for Exponential Family Data (Meng Lu, Kai He, Jianhua Z. Huang, Xiaoning Qian)....Pages 193-223
Application and Extension of PCA Concepts to Blind Unmixing of Hyperspectral Data with Intra-class Variability (Yannick Deville, Charlotte Revel, Véronique Achard, Xavier Briottet)....Pages 225-252