Fr. 64.00

Representations compactes de - Varietes non lineaire

French · Hardback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

Informationen zum Autor Ingénieur Supélec option Information Signaux Mesures, Matthieu Brucher a obtenu son DEA Automatique et Traitement du signal à l'université Paris XI avant de soutenir sa thèse de doctorat à l'université de Strasbourg en Electronique, Electrotechnique et Automatique en 2008. Il travaille pour Total depuis 2008 dans leur centre de recherche à Pau. Klappentext Avec l'augmentation de la taille des données, la recherche d'information devient de plus en plus complexe. Ces données sont de plus en plus précises, vivant dans des espaces multidimensionnels (allant d'une dizaine de dimension à plusieurs millions et au-delà). De fait, ces espaces sont creux et rendent l'analyse ou la classification difficiles. Il est alors nécessaire de réduire les données dans un espace compact représentatif de la variété dont ils sont issus. Les nouvelles techniques de réduction de dimension se basent sur l'analyse des faiblesses des représentations linéaires telles que l'analyse en composantes principales et permettant de représenter efficacement des données complexes. La fonction de passage entre ces deux espaces permet d'améliorer la classification dans l'espace réduit ainsi que l'analyse statistique dans l'espace d'origine des données.

Product details

Authors Matthieu Brucher, Brucher-m
Publisher Omniscriptum
 
Languages French
Product format Hardback
Released 24.02.2012
 
EAN 9783841790675
ISBN 978-3-8417-9067-5
Subject Natural sciences, medicine, IT, technology > Mathematics > Probability theory, stochastic theory, mathematical statistics

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.