ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Advances in Principal Component Analysis: Research and Development

دانلود کتاب پیشرفت در تجزیه و تحلیل مؤلفه اصلی: تحقیق و توسعه

Advances in Principal Component Analysis: Research and Development

مشخصات کتاب

Advances in Principal Component Analysis: Research and Development

ویرایش: 1 
نویسندگان:   
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 

قیمت کتاب (تومان) : 38,000



کلمات کلیدی مربوط به کتاب پیشرفت در تجزیه و تحلیل مؤلفه اصلی: تحقیق و توسعه: پردازش سیگنال، تصویر و گفتار



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


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.


توضیحاتی در مورد کتاب پیشرفت در تجزیه و تحلیل مؤلفه اصلی: تحقیق و توسعه



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.


توضیحاتی درمورد کتاب به خارجی

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.



فهرست مطالب

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




نظرات کاربران