更新时间：2020-09-05 00:32:07
封面
版权信息
内容简介
人工智能出版工程 丛书编委会
前言
第1章 绪论
1.1 模式的基本概念
1.2 模式表示学习
1.3 模式分类
1.4 应用算例
参考文献
第2章 线性子空间表示
2.1 主成分分析
2.2 线性鉴别分析
2.3 小样本情况下的线性鉴别分析
2.4 二维主成分分析
2.5 二维线性鉴别分析
2.6 应用算例
第3章 非线性子空间表示
3.1 核方法的基本思想
3.2 核主成分分析
3.3 核费希尔鉴别分析
3.4 完整的KFD算法（CKFD）
3.5 应用算例
第4章 流形学习
4.1 概述
4.2 非线性嵌入方法
4.3 特殊的黎曼流形
4.4 流形对齐
4.5 应用
第5章 稀疏表示
5.1 稀疏表示的基本算法
5.2 基于稀疏表示的特征抽取
5.3 基于稀疏表示的分类
5.4 稀疏表示的典型应用
第6章 低秩模型
6.1 概述
6.2 与核范数有关的RPCA
6.3 与核范数有关的LRR
6.4 与核范数有关的RMR
6.5 应用
6.6 归纳与展望
第7章 深度学习
7.1 概述
7.2 自编码器
7.3 卷积神经网络
7.4 递归神经网络
7.5 生成对抗网络
7.6 图卷积神经网络
7.7 应用
