Muutke küpsiste eelistusi

E-raamat: Low-Rank and Sparse Modeling for Visual Analysis

Edited by
  • Formaat: PDF+DRM
  • Ilmumisaeg: 30-Oct-2014
  • Kirjastus: Springer International Publishing AG
  • Keel: eng
  • ISBN-13: 9783319120003
  • Formaat - PDF+DRM
  • Hind: 110,53 €*
  • * hind on lõplik, st. muud allahindlused enam ei rakendu
  • Lisa ostukorvi
  • Lisa soovinimekirja
  • See e-raamat on mõeldud ainult isiklikuks kasutamiseks. E-raamatuid ei saa tagastada.
  • Formaat: PDF+DRM
  • Ilmumisaeg: 30-Oct-2014
  • Kirjastus: Springer International Publishing AG
  • Keel: eng
  • ISBN-13: 9783319120003

DRM piirangud

  • Kopeerimine (copy/paste):

    ei ole lubatud

  • Printimine:

    ei ole lubatud

  • Kasutamine:

    Digitaalõiguste kaitse (DRM)
    Kirjastus on väljastanud selle e-raamatu krüpteeritud kujul, mis tähendab, et selle lugemiseks peate installeerima spetsiaalse tarkvara. Samuti peate looma endale  Adobe ID Rohkem infot siin. E-raamatut saab lugeda 1 kasutaja ning alla laadida kuni 6'de seadmesse (kõik autoriseeritud sama Adobe ID-ga).

    Vajalik tarkvara
    Mobiilsetes seadmetes (telefon või tahvelarvuti) lugemiseks peate installeerima selle tasuta rakenduse: PocketBook Reader (iOS / Android)

    PC või Mac seadmes lugemiseks peate installima Adobe Digital Editionsi (Seeon tasuta rakendus spetsiaalselt e-raamatute lugemiseks. Seda ei tohi segamini ajada Adober Reader'iga, mis tõenäoliselt on juba teie arvutisse installeeritud )

    Seda e-raamatut ei saa lugeda Amazon Kindle's. 

This book provides a view of low-rank and sparse computing, especially approximation, recovery, representation, scaling, coding, embedding and learning among unconstrained visual data. The book includes chapters covering multiple emerging topics in this new field. It links multiple popular research fields in Human-Centered Computing, Social Media, Image Classification, Pattern Recognition, Computer Vision, Big Data, and Human-Computer Interaction. Contains an overview of the low-rank and sparse modeling techniques for visual analysis by examining both theoretical analysis and real-world applications.
Nonlinearly Structured Low-Rank Approximation
1(22)
Ivan Markovsky
Konstantin Usevich
Latent Low-Rank Representation
23(16)
Guangcan Liu
Shuicheng Yan
Scalable Low-Rank Representation
39(22)
Guangcan Liu
Shuicheng Yan
Low-Rank and Sparse Dictionary Learning
61(26)
Sheng Li
Liangyue Li
Yun Fu
Low-Rank Transfer Learning
87(30)
Ming Shao
Dmitry Kit
Yun Fu
Sparse Manifold Subspace Learning
117(16)
Ming Shao
Mingbo Ma
Yun Fu
Low Rank Tensor Manifold Learning
133(18)
Guoqiang Zhong
Mohamed Cheriet
Low-Rank and Sparse Multi-task Learning
151(30)
Jianhui Chen
Jiayu Zhou
Jieping Ye
Low-Rank Outlier Detection
181(22)
Sheng Li
Ming Shao
Yun Fu
Low-Rank Online Metric Learning
203(32)
Yang Cong
Ji Liu
Junsong Yuan
Jiebo Luo
Index 235
Yun Fu is an Assistant Professor, ECE and CS, Northeastern University