Kapcsolat
Hogyan vásároljunk
Kézbesítés
Vásárlási tanácsadó
Sparse representation of High Dimensional Data for Classification
Angol
134 b
Akár 30 napos visszaküldési lehetőség
A vásárlók ilyet vásároltak
/
Puha kötésű
26 673
Ft
/
Puha kötésű
10 639
Ft
In this book you will find the use of sparse §Principal Component Analysis (PCA) for representing §high dimensional data for classification. Sparse §transformation reduces the data §volume/dimensionality without loss of critical §information, so that it can be processed efficiently §and assimilated by a human. We obtained sparse §representation of high dimensional dataset using §Sparse Principal Component Analysis (SPCA) and §Direct formulation of Sparse Principal Component §Analysis (DSPCA). Later we performed classification §using k Nearest Neighbor (kNN) Method and compared §its result with regular PCA. The experiments were §performed on hyperspectral data and various datasets §obtained from University of California, Irvine (UCI) §machine learning dataset repository. The results §suggest that sparse data representation is desirable §because sparse representation enhances §interpretation. It also improves classification §performance with certain number of features and in §most of the cases classification performance is §similar to regular PCA.
Információ a könyvről
Angol
Ajándékozza oda ezt a könyvet még ma
Nagyon egyszerű
1 Tegye a kosárba könyvet, és válassza ki a kiszállítás ajándékként opciót 2 Rögtön küldjük Önnek az utalványt 3 A könyv megérkezik a megajándékozott címéreEzt is ajánljuk
/
Puha kötésű
6 417
Ft
/
Puha kötésű
25 967
Ft
/
Puha kötésű
6 342
Ft
/
Puha kötésű
7 414
Ft
/
Puha kötésű
15 375
Ft
/
Puha kötésű
10 727
Ft
Szia! Libroamiko vagyok, a könyvtanácsadód.
Miben segíthetek?