高维

高维数据的特征选择——理论与算法.pdf

特征选择是机器学习的重要研究内容,有着广泛的应用价值。特征选择主要从数据(尤其是高维数据)中选取有效特征来表示数据,从而提高机器学习算法的性能。本书以重庆工商大学等单位的机器学习、图像处理课题为基础,系统地介绍特征选择的基本概念,以及相关的理论和算法,也对它的前沿研究(如无监督特

高维哈达玛矩阵理论与应用2版.pdf

本书第一部分重点研究经典的2维Walsh矩阵和哈达玛矩阵, 包括它们的快速算法、最新构造法、存在性结果及其一般性的推广。第二部分考虑的是低维情形, 例如, 3-维、4-维和6-维Walsh和哈达玛矩阵与变换。第三部分是全书的核心也是本书的独特之处。本部分研究了N-维2阶哈达玛矩阵

高维数值积分.pdf

本书介绍了高维数值积分的基本方法,其中包括代数方法、数论方法及解析方法。此外,还介绍了高维边界型求积公式的构造方法以及含参变量积分的渐进展开方法。

汽车维修企业管理.pdf

本书针对汽车维修企业的特点,运用现代管理的理论和方法,对汽车维修企业各项管理活动进行了系统的论述。内容包括:汽车维修企业开业及行业管理、企业经营管理、生产技术管理、质量管理与质量检验等。

高维数学物理问题的分数步方法.pdf

本书共7章,前四章基础理论包括:对流扩散问题分数步数值方法基础,双曲型方程交替方向有限元方法,抛物型问题交替方向有限元方法和椭圆问题混合元交替方向有限元方法;后三章是实际应用部分,包括两相渗流驱动问题的分数步方法,多层渗流耦合问题的分数步方法和渗流力学数值模拟中交替方向有限元方法

高维数据的维数约简方法及其应用.pdf

高维数据的维数约简技术是当今计算机科学、机器学习等领域的热门研究问题之一,具有广泛的发展前景。本书在对已有维数约简方法进行分析和总结的基础上,从特征提取和特征选择两个方面提出五种新的维数约简方法,并以人脸图像和微阵列数据分析等问题为例,通过与目前较流行的维数约简方法对比,验证了所

高维乐谱学导论.pdf

面对20世纪音乐创作谱面分析、不同民族民间音腔表达以及音乐艺术机理的微结构描述等,五线谱、简谱及文字谱等传统乐谱理论不能将其完美地表达,高维乐谱理论体系应运而生,以期化解这些问题并方便运用未来智能设备进行直接读写和创作。本书从构成音乐的基本语言入手,运用二维谱对音乐的基本信息进行