内容简介:
统计稀疏学习是计算机科学、统计学和认知科学的交叉领域,是一个新兴的统计学习研究方向,而贝叶斯非参数方法对统计稀疏学习中问题的研究有重要的作用。《统计稀疏学习中的贝叶斯非参数建模方法及其应用研究》对贝叶斯非参数方法的构造方法、表达能力和推理机制进行了研究和讨论。在此基础上,研究了贝叶斯非参数方法对统计稀疏学习中稀疏表示、稀疏建模和稀疏降维问题的建模方法和推理过程,并将其应用于具体视觉任务,例如手写数字识别、图像降噪、视频背景剪除等,同时也利用这些视觉任务验证了方法的可行性和有效性。
目录:
第1章绪论
1.1研究背景和意义
1.2国内外研究现状第2章贝叶斯非参数模型的构建
2.1符号约定
2.2贝叶斯非参数模型
2.3相关理论基础
2.4狄利克雷过程
2.5狄利克雷过程的构造
2.6贝塔过程
2.7小结第3章贝叶斯稀疏表示
3.1稀疏表示
3.2贝叶斯稀疏表示方法
3.3基于离散混合贝塔过程的稀疏表示模型
3.4小结第4章基于聚类特征的贝叶斯非参数字典学习
4.1字典学习问题
4.2现有字典学习算法
4.3约束等距性条件
4.4带有聚类特征的贝叶斯非参数字典学习
4.5小结第5章基于狄利克雷过程的聚类方法
5.1贝叶斯非参数聚类
5.2基于PolyaTree的高维稀疏聚类
5.3小结第6章结束语
参考文献
阅读全文
常见问题
关于版权问题!
本站不存储任何书籍资源,只利用互联网API接口提供搜索下载服务。如果侵犯了你的权益,请工单留言,我们将第一时间删除。下载书籍仅供试读使用,请在下载后24小时内删除,请支持正版,购买正版书籍
评论0