稀疏学习.分类与识别 本书特色

本书对近年来稀疏学习、分类与识别领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从认稀疏学习、分类与识别三个方面展开，主要内容包含如下方面：机器学习理论基础；快速密度加权低秩近似谱聚类；双图正则非负矩阵分解；学习鲁棒低秩矩阵分解；学习谱表示应用于半监督聚类；用低秩矩阵填充学习数据表示；结合约束与低秩核学习的半监督学习；基于子空间类标传播和正则判别分析的单标记图像人脸识别；基于双线性回归的单标记图像人脸识别；基于旋转扩展和稀疏表示的鲁棒遥感图像目标识别；压缩感知理论基础；基于分块策略和过完备字典的非凸压缩感知框架；基于协同优化的稀疏重构；几何结构指导的协同压缩感知；基于过完备字典的方向结构估计模型及重构方法；基于多特征核稀疏表示学习的高光谱图像分类；基于类级稀疏表示学习的高光谱图像空谱联合分类等方法。