没有合适的资源?快使用搜索试试~ 我知道了~
数据挖掘和模式识别中的矩阵方法1
需积分: 0 0 下载量 169 浏览量
2022-08-08
21:26:56
上传
评论
收藏 3.54MB DOCX 举报
温馨提示
试读
198页
目录前言九线性代数概念和矩阵分解数据挖掘和模式识别中的向量和矩阵3数据挖掘和模式识别。……………….. 3向量和矩阵。……………………………4本书的目的。………
资源详情
资源评论
资源推荐
矩阵法
在数据挖掘和模式中
承认
算法基础
主编:曼彻斯特大学 Nicholas J.Higham
暹罗的算法基础系列是一个短期的面向用户的书籍集的艺术状态的数字方法。由
专家撰写的这本书为读者提供了足够的知识,使他们能够为应用程序选择合适的
方法,并了解该方法的优点和局限性。这些书涵盖了从数值分析和科学计算中抽
取的一系列主题。目标受众是研究人员和实践者,他们使用数学、工程和计算科
学的方法和高水平本科生。
本系列书籍不仅为解决特定问题所用的一种方法或一类方法提供了数学背景,还
解释了如何将该方法开发成算法并翻译成软件。这些书描述了一种方法的适用范
围,并对解决问题和解释结果提供了指导。这一理论是在从业者能够接触到的层
面上提出的。Matlab®软件是代码的首选语言,因为它可以在各种平台上使用,并
且是原型设计、测试和问题解决的良好环境。
该系列旨在为易于访问的数字算法提供指南,包含其他地方不易找到的实用建
议,并包括实现算法的可理解代码。
编辑部
彼得·本纳
切姆尼茨理工大学
约翰·R·吉尔伯特
加州大学圣巴巴拉分校
迈克尔·T·希思
伊利诺伊大学香槟分校
C.T.凯利
北卡罗来纳州立大学
克里夫·莫勒尔
数学作品
詹姆斯·纳吉
埃默里大学
戴安娜·奥利里
马里兰大学
罗伯特罗素
西蒙弗雷泽大学
罗伯特·D·斯克尔
普渡大学
丹尼·索伦森·赖
斯大学
安德鲁·J·沃特恩牛
津大学
亨利·沃尔科维奇
滑铁卢大学
系列卷
Eld_n,L.,数据挖掘和模式识别中的矩阵方法
Hansen,P.C.、Nagy,J.G.和 O'Leary,D.P.,去模糊图像:矩阵、光谱和过滤
Davis,T.A.,《稀疏线性系统的直接方法》
Kelley,C.T.,用牛顿法求解非线性方程组
拉尔斯·埃尔登
瑞典林平大学林平
数据挖掘中的矩阵方法与模式
承认
工业与应用数学学会
费城
版权所有©2007 由工业和应用数学学会出版。
10 9 8 7 6 5 4 3 2 1
版权所有。在美利坚合众国印刷。未经出版商书面许可,不得以任何方式复制、储存
或传播本书的任何部分。有关信息,请写信给工业和应用数学学会,地址:3600
University City Science Center,Philadelphia,PA 19104-2688。
本书可使用商标名称,但不包括商标符号。这些名称仅在编辑上下文中使用;不打算
侵犯商标。
谷歌是谷歌公司的商标。
Matlab 是 Mathworks,Inc.的注册商标。有关 Matlab 产品信息,请联系
Mathworks,Inc.,3 Apple Hill Drive,Natick,MA 01760-2098 USA,508-647-
图 6.2、10.1、10.7、10.9、10.11、11.1 和 11.3 来自 L.Eld_n,《数据挖掘中的数值线
性代数》,Acta Numer.,15:327–384,2006。经剑桥大学批准转载
按。
图 14.1、14.3 和 14.4 由作者根据出现在 P.N.Belhumur、J.P.Hespanha 和 D.J.Kriegman
中的图像构建,特征面与 Fisherfaces:使用类特定线性投影的识别,IEEE Trans。模
式分析。机器。《国际贸易法》,19:711–7201997 年。
国会图书馆出版资料编目
Eld_n,Lars,1944 年-
数据挖掘和模式识别中的矩阵方法。
每厘米-(算法基础;04)包括参考书目和
索引。
ISBN 978-0-898716-26-9(PBK.:alk.纸)
1。数据挖掘。2。模式识别系统数学模型。三。代数,线性。一、职务。
QA76.9.D343E52 2007 年
05.74-DC20 2006041348
是注册商标。
目录
前言九
线性代数概念和矩阵分解
1 数据挖掘和模式识别中的向量和矩阵 3
1.1 数据挖掘和模式识别。……………….. 3
1.2 向量和矩阵。……………………………4
1.3 本书的目的。……………………………7
1.4 编程环境。………………………8
1.5 浮点计算。………………………8
1.6 符号和约定。……………………….. 11
2 向量和矩阵 13
2.1 矩阵向量乘法。………………………13
2.2 矩阵矩阵乘法。…………………….. 15
2.3 内积和向量范数。………………….. 17
2.4 矩阵规范。…………………………………18
2.5 线性独立性:基础。………………………20
2.6 矩阵的秩。……………………………21
3 线性系统和最小二乘法 23
3.1 LU 分解。………………………………23
3.2 对称正定矩阵。……………….. 25
3.3 微扰理论和条件数。………….. 26
3.4 高斯消去中的舍入误差。…………….. 27
3.5 带状矩阵。……………………………….. 29
3.6 最小二乘问题。………………………31
4 正交性 37
4.1 正交向量和矩阵。………………….. 38
4.2 初等正交矩阵。……………………40
4.3 浮点运算的数目。……………….. 45
4.4 浮点运算中的正交变换。.. 46
V
六、内容
5 QR 分解 47
5.1 正交变换为三角形。……….. 47
5.2 解最小二乘问题。…………………51
5.3 是否计算 Q。………………….. 52
5.4 QR 因子分解的失败计数。………………….. 53
5.5 最小二乘问题解的误差。…….. 53
5.6 更新最小二乘问题的解。………54
6 奇异值分解 57
6.1 分解。…………………………….. 57
6.2 基本子空间。………………………….. 61
6.3 矩阵近似。………………………….. 63
6.4 主成分分析。…………………….. 66
6.5 解最小二乘问题。……………………66
6.6 最小二乘条件数与微扰理论
问题。…………………………………….. 69
6.7 等级不足和不确定的系统。…………70
6.8 计算 SVD。……………………………72
6.9 完成正交分解。……………….. 72
7 降秩最小二乘模型 75
7.1 截断 SVD:主成分回归。………77
7.2 一种 Krylov 子空间方法。………………………80
8 张量分解 91
8.1 引言。………………………………….. 91
8.2 基本张量概念。………………………….. 92
8.3 张量 SVD。…………………………………94
8.4 用 hospd 逼近张量。……………….. 96
9 聚类与非负矩阵分解 101
9.1 k-均值算法。…………………………102
9.2 非负矩阵分解。……………………一百零六
二、数据挖掘应用
10 手写数字分类 113
10.1 手写数字和一个简单的算法。……………一百一十三
10.2 使用 SVD 基进行分类。……………………115
10.3 切线距离。………………………………122
11 文本挖掘 129
11.1 预 处 理 文 档 和 查 询 。 …………….130 11.2 矢 量 空 间 模
型。…………………………131
11.3 潜在语义索引。…………………………135
11.4 聚类分析。……………………………………139
目录七
11.5 非负矩阵分解。……………………一百四十一
剩余197页未读,继续阅读
以墨健康道
- 粉丝: 25
- 资源: 307
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0