矩阵分解学习及其网络社区发现方法
出版时间:
2020-12
版次:
1
ISBN:
9787313238214
定价:
48.00
装帧:
平装
开本:
16开
纸张:
胶版纸
页数:
114页
1人买过
-
《矩阵分解学习及其网络社区发现方法》系统性地介绍目前矩阵分解学习和网络社区发现的主要研究方法，并针对网络社区发现中数据特性问题，以社会网络和科学网络为主要应用数据，进行社区发现相关方法实例与应用介绍。
《矩阵分解学习及其网络社区发现方法》适合高校计算机专业和社会网络分析与管理相关读者使用。 1 绪论
1．1 引言
1．2 本书主要内容
1．3 本书结构安排
2 社区发现方法
2．1 传统方法
2．2 分裂方法
2．3 基于模块度的方法
2．4 统计推断法
2．5 重叠社区发现
2．6 贝叶斯社区发现
2．7 本章小结
3 矩阵分解学习主要方法
3．1 PCA矩阵分解
3．2 ICA矩阵分解
3．3 SVD矩阵分解
3．4 vo矩阵分解
3．5 NMF非负矩阵分解
3．6 半监督NMF分解
3．7 贝叶斯NMF分解
3．8 矩阵分解中的模式选择
3．9 矩阵分解学习与社区发现
3．10 本章小结
4 基于半监督矩阵分解的社区发现方法
4．1 半监督对称NMF方法
4．2 PCSNMF方法设计及算法推导
4．2．1 目标函数设计
4．2．2 对应算法
4．2．3 计算复杂度分析
4．3 PCSNMF在社会网络中的实验与分析
4．3．1 主要数据集介绍
4．3．2 主要评价指标
4．3．3 验证确定社区数量
4．3．4 方法结果比较
4．4 本章小结
……
5 基于贝叶斯矩阵分解的社区发现方法
6 矩阵分解学习社区发现应用研究
7 总结及展望
参考文献
索引
-
内容简介:
《矩阵分解学习及其网络社区发现方法》系统性地介绍目前矩阵分解学习和网络社区发现的主要研究方法，并针对网络社区发现中数据特性问题，以社会网络和科学网络为主要应用数据，进行社区发现相关方法实例与应用介绍。
《矩阵分解学习及其网络社区发现方法》适合高校计算机专业和社会网络分析与管理相关读者使用。
-
目录:
1 绪论
1．1 引言
1．2 本书主要内容
1．3 本书结构安排
2 社区发现方法
2．1 传统方法
2．2 分裂方法
2．3 基于模块度的方法
2．4 统计推断法
2．5 重叠社区发现
2．6 贝叶斯社区发现
2．7 本章小结
3 矩阵分解学习主要方法
3．1 PCA矩阵分解
3．2 ICA矩阵分解
3．3 SVD矩阵分解
3．4 vo矩阵分解
3．5 NMF非负矩阵分解
3．6 半监督NMF分解
3．7 贝叶斯NMF分解
3．8 矩阵分解中的模式选择
3．9 矩阵分解学习与社区发现
3．10 本章小结
4 基于半监督矩阵分解的社区发现方法
4．1 半监督对称NMF方法
4．2 PCSNMF方法设计及算法推导
4．2．1 目标函数设计
4．2．2 对应算法
4．2．3 计算复杂度分析
4．3 PCSNMF在社会网络中的实验与分析
4．3．1 主要数据集介绍
4．3．2 主要评价指标
4．3．3 验证确定社区数量
4．3．4 方法结果比较
4．4 本章小结
……
5 基于贝叶斯矩阵分解的社区发现方法
6 矩阵分解学习社区发现应用研究
7 总结及展望
参考文献
索引
查看详情
-
全新
浙江省嘉兴市
平均发货10小时
成功完成率93.91%
-
全新
江苏省南京市
平均发货16小时
成功完成率82.56%
-
全新
广东省广州市
平均发货8小时
成功完成率94.86%
-
全新
北京市西城区
平均发货29小时
成功完成率88.13%
-
九品
安徽省亳州市
平均发货5小时
成功完成率96.58%
-
全新
广东省广州市
平均发货15小时
成功完成率89.28%
-
全新
广东省广州市
平均发货18小时
成功完成率89.3%
-
全新
江西省九江市
平均发货12小时
成功完成率79.24%
-
全新
浙江省嘉兴市
平均发货13小时
成功完成率92.18%
-
全新
江西省九江市
平均发货12小时
成功完成率79.24%
-
全新
河北省沧州市
平均发货14小时
成功完成率65.96%
-
九五品
安徽省亳州市
平均发货6小时
成功完成率94.64%
-
全新
天津市津南区
平均发货14小时
成功完成率93.67%
占位居中
