Lesen statt warten - Kostenloser Sofortzugriff aufs eBook, sofern verfügbar*, bei jeder Buchbestellung

Interdisciplinary Applied Mathematics

Generalized Principal Component Analysis

Autoren: Vidal, René, Ma, Yi, Sastry, S.S.

Vorschau
  • Introduces fundamental statistical, geometric and algebraic concepts
  • Encompasses relevant data clustering and modeling methods in machine learning
  • Addresses a general class of unsupervised learning problems
  • Generalizes the theory and methods of principal component anaylsis to the cases when the data can be severely contaminated with errors and outliers as well as when the data may contain more than one low-dimensional subspace
Weitere Vorteile

Dieses Buch kaufen

eBook 58,84 €
Preis für Deutschland (Brutto)
  • ISBN 978-0-387-87811-9
  • Versehen mit digitalem Wasserzeichen, DRM-frei
  • Erhältliche Formate: EPUB, PDF
  • eBooks sind auf allen Endgeräten nutzbar
  • Sofortiger eBook Download nach Kauf
Hardcover 74,89 €
Preis für Deutschland (Brutto)
  • ISBN 978-0-387-87810-2
  • Kostenfreier Versand für Individualkunden weltweit
  • Kostenloser Sofortzugriff, sofern verfügbar* auf die eBook-Version bei jeder Buchbestellung
  • Gewöhnlich versandfertig in 3-5 Werktagen.
Softcover 74,89 €
Preis für Deutschland (Brutto)
  • ISBN 978-1-4939-7912-7
  • Kostenfreier Versand für Individualkunden weltweit
  • Kostenloser Sofortzugriff, sofern verfügbar* auf die eBook-Version bei jeder Buchbestellung
  • Gewöhnlich versandfertig in 3-5 Werktagen.
Über dieses Lehrbuch

This book provides a comprehensive introduction to the latest advances in the mathematical theory and computational tools for modeling high-dimensional data drawn from one or multiple low-dimensional subspaces (or manifolds) and potentially corrupted by noise, gross errors, or outliers. This challenging task requires the development of new algebraic, geometric, statistical, and computational methods for efficient and robust estimation and segmentation of one or multiple subspaces. The book also presents interesting real-world applications of these new methods in image processing, image and video segmentation, face recognition and clustering, and hybrid system identification etc.

This book is intended to serve as a textbook for graduate students and beginning researchers in data science, machine learning, computer vision, image and signal processing, and systems theory. It contains ample illustrations, examples, and exercises and is made largely self-contained with three Appendices which survey basic concepts and principles from statistics, optimization, and algebraic-geometry used in this book.

René Vidal is a Professor of Biomedical Engineering and Director of the Vision Dynamics and Learning Lab at The Johns Hopkins University. 

Yi Ma is Executive Dean and Professor at the School of Information Science and Technology at ShanghaiTech University. S. Shankar Sastry is Dean of the College of Engineering, Professor of Electrical Engineering and Computer Science and Professor of Bioengineering at the University of California, Berkeley.

Über die Autor*innen

René Vidal is a Professor of Biomedical Engineering and Director of the Vision Dynamics and Learning Lab at The Johns Hopkins University.

Yi Ma is Executive Dean and Professor at the School of Information Science and Technology at ShanghaiTech University.

S. Shankar Sastry is Dean of the College of Engineering, Professor of Electrical Engineering and Computer Science and Professor of Bioengineering at the University of California, Berkeley.

Stimmen zum Buch

“The book under review provides a timely and comprehensive description of the classic and modern PCA-based and other dimension reduction techniques. Although the topic of dimension reduction has been briefly converted in quite a few books and review papers, this book should be especially applauded for its unique depth and comprehensiveness. … Overall, this is one of the best books on PCA and modern dimension reduction techniques and should expect an increasing popularity.” (Steven (Shuangge) Ma, Mathematical Reviews, January, 2017)


Inhaltsverzeichnis (13 Kapitel)

Inhaltsverzeichnis (13 Kapitel)

Dieses Buch kaufen

eBook 58,84 €
Preis für Deutschland (Brutto)
  • ISBN 978-0-387-87811-9
  • Versehen mit digitalem Wasserzeichen, DRM-frei
  • Erhältliche Formate: EPUB, PDF
  • eBooks sind auf allen Endgeräten nutzbar
  • Sofortiger eBook Download nach Kauf
Hardcover 74,89 €
Preis für Deutschland (Brutto)
  • ISBN 978-0-387-87810-2
  • Kostenfreier Versand für Individualkunden weltweit
  • Kostenloser Sofortzugriff, sofern verfügbar* auf die eBook-Version bei jeder Buchbestellung
  • Gewöhnlich versandfertig in 3-5 Werktagen.
Softcover 74,89 €
Preis für Deutschland (Brutto)
  • ISBN 978-1-4939-7912-7
  • Kostenfreier Versand für Individualkunden weltweit
  • Kostenloser Sofortzugriff, sofern verfügbar* auf die eBook-Version bei jeder Buchbestellung
  • Gewöhnlich versandfertig in 3-5 Werktagen.
Loading...

Wir empfehlen

Loading...

Bibliografische Information

Bibliographic Information
Buchtitel
Generalized Principal Component Analysis
Autoren
Titel der Buchreihe
Interdisciplinary Applied Mathematics
Buchreihen Band
40
Copyright
2016
Verlag
Springer-Verlag New York
Copyright Inhaber
Springer-Verlag New York
eBook ISBN
978-0-387-87811-9
DOI
10.1007/978-0-387-87811-9
Hardcover ISBN
978-0-387-87810-2
Softcover ISBN
978-1-4939-7912-7
Buchreihen ISSN
0939-6047
Auflage
1
Seitenzahl
XXXII, 566
Anzahl der Bilder
38 schwarz-weiß Abbildungen, 83 Abbildungen in Farbe
Themen

*sofort verfügbar bei Bestellung eines Print-Titels, da es aufgrund der COVID-19-Situation zu Lieferverzögerungen kommen kann. Dieses Angebot ist befristet und richtet sich nach der Verfügbarkeit des eBook-Titels. Das eBook geht nicht in Ihren Besitz über - Sie erhalten einen zeitlich begrenzten Zugriff. Springer Reference Works und Dozentenexemplare sind davon ausgenommen.