Książki na temat „Dimensionality reduction”
Utwórz poprawne odniesienie w stylach APA, MLA, Chicago, Harvard i wielu innych
Sprawdź 50 najlepszych książek naukowych na temat „Dimensionality reduction”.
Przycisk „Dodaj do bibliografii” jest dostępny obok każdej pracy w bibliografii. Użyj go – a my automatycznie utworzymy odniesienie bibliograficzne do wybranej pracy w stylu cytowania, którego potrzebujesz: APA, MLA, Harvard, Chicago, Vancouver itp.
Możesz również pobrać pełny tekst publikacji naukowej w formacie „.pdf” i przeczytać adnotację do pracy online, jeśli odpowiednie parametry są dostępne w metadanych.
Przeglądaj książki z różnych dziedzin i twórz odpowiednie bibliografie.
Lee, John A., i Michel Verleysen, red. Nonlinear Dimensionality Reduction. New York, NY: Springer New York, 2007. http://dx.doi.org/10.1007/978-0-387-39351-3.
Pełny tekst źródłaLespinats, Sylvain, Benoit Colange i Denys Dutykh. Nonlinear Dimensionality Reduction Techniques. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-030-81026-9.
Pełny tekst źródłaGarzon, Max, Ching-Chi Yang, Deepak Venugopal, Nirman Kumar, Kalidas Jana i Lih-Yuan Deng, red. Dimensionality Reduction in Data Science. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-05371-9.
Pełny tekst źródłaPaul, Arati, i Nabendu Chaki. Dimensionality Reduction of Hyperspectral Imagery. Cham: Springer International Publishing, 2024. http://dx.doi.org/10.1007/978-3-031-42667-4.
Pełny tekst źródłaStrange, Harry, i Reyer Zwiggelaar. Open Problems in Spectral Dimensionality Reduction. Cham: Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-03943-5.
Pełny tekst źródłaKramer, Oliver. Dimensionality Reduction with Unsupervised Nearest Neighbors. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013. http://dx.doi.org/10.1007/978-3-642-38652-7.
Pełny tekst źródłaKramer, Oliver. Dimensionality Reduction with Unsupervised Nearest Neighbors. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013.
Znajdź pełny tekst źródłaShaw, Blake. Graph Embedding and Nonlinear Dimensionality Reduction. [New York, N.Y.?]: [publisher not identified], 2011.
Znajdź pełny tekst źródłaGhojogh, Benyamin, Mark Crowley, Fakhri Karray i Ali Ghodsi. Elements of Dimensionality Reduction and Manifold Learning. Cham: Springer International Publishing, 2023. http://dx.doi.org/10.1007/978-3-031-10602-6.
Pełny tekst źródłaWang, Jianzhong. Geometric Structure of High-Dimensional Data and Dimensionality Reduction. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011. http://dx.doi.org/10.1007/978-3-642-27497-8.
Pełny tekst źródłaPopov, Valentin L., i Markus Heß. Method of Dimensionality Reduction in Contact Mechanics and Friction. Berlin, Heidelberg: Springer Berlin Heidelberg, 2015. http://dx.doi.org/10.1007/978-3-642-53876-6.
Pełny tekst źródłaservice), SpringerLink (Online, red. Geometric Structure of High-Dimensional Data and Dimensionality Reduction. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011.
Znajdź pełny tekst źródłaRos, Frederic, i Rabia Riad. Feature and Dimensionality Reduction for Clustering with Deep Learning. Cham: Springer Nature Switzerland, 2024. http://dx.doi.org/10.1007/978-3-031-48743-9.
Pełny tekst źródłaBarrett, Philip James. Exploratory database visualisation: The application & assessment of data and dimensionality reduction. Birmingham: Aston University. Department of Computer Science and Applied Mathematics, 1995.
Znajdź pełny tekst źródłaFord, Gary E. Landsat D thematic mapper image dimensionality reduction and geometric correction accuracy: Final report. [Washington, DC: National Aeronautics and Space Administration, 1987.
Znajdź pełny tekst źródłaGeometric data analysis: An empirical approach to dimensionality reduction and the study of patterns. New York: Wiley, 2001.
Znajdź pełny tekst źródłaBacon, Simon. Machine learning for text classification of USENET newsgroups: A comparison of learning algorithms and dimensionality reduction techniques. [S.l: The Author], 1997.
Znajdź pełny tekst źródłaNonlinear Dimensionality Reduction. Springer New York, 2010.
Znajdź pełny tekst źródłaMultilabel Dimensionality Reduction. CRC Press, 2012.
Znajdź pełny tekst źródłaYe, Jieping, Shuiwang Ji i Liang Sun. Multi-Label Dimensionality Reduction. Taylor & Francis Group, 2016.
Znajdź pełny tekst źródłaYe, Jieping, Shuiwang Ji i Liang Sun. Multi-Label Dimensionality Reduction. Taylor & Francis Group, 2014.
Znajdź pełny tekst źródłaYe, Jieping, Shuiwang Ji i Liang Sun. Multi-Label Dimensionality Reduction. Taylor & Francis Group, 2016.
Znajdź pełny tekst źródłaDimensionality Reduction in Data Science. Springer International Publishing AG, 2022.
Znajdź pełny tekst źródłaStrange, Harry, i Reyer Zwiggelaar. Open Problems in Spectral Dimensionality Reduction. Springer, 2014.
Znajdź pełny tekst źródłaStrange, Harry, i Reyer Zwiggelaar. Open Problems in Spectral Dimensionality Reduction. Springer London, Limited, 2014.
Znajdź pełny tekst źródłaKramer, Oliver. Dimensionality Reduction with Unsupervised Nearest Neighbors. Springer, 2016.
Znajdź pełny tekst źródłaKramer, Oliver. Dimensionality Reduction with Unsupervised Nearest Neighbors. Springer, 2013.
Znajdź pełny tekst źródłaKrämer, Oliver. Dimensionality Reduction with Unsupervised Nearest Neighbors. Springer Berlin / Heidelberg, 2013.
Znajdź pełny tekst źródłaNonlinear Dimensionality Reduction (Information Science and Statistics). Springer, 2007.
Znajdź pełny tekst źródłaNonlinear Dimensionality Reduction (Information Science and Statistics). Springer, 2007.
Znajdź pełny tekst źródłaGhojogh, Benyamin, Ali Ghodsi, Fakhri Karray i Mark Crowley. Elements of Dimensionality Reduction and Manifold Learning. Springer International Publishing AG, 2022.
Znajdź pełny tekst źródłaGeometric Structure of HighDimensional Data and Dimensionality Reduction. Springer, 2012.
Znajdź pełny tekst źródłaLu, Haiping. Multilinear Subspace Learning: Dimensionality Reduction of Multidimensional Data. Taylor & Francis Group, 2013.
Znajdź pełny tekst źródłaPlataniotis, Konstantinos N., Haiping Lu i Anastasios Venetsanopoulos. Multilinear Subspace Learning: Dimensionality Reduction of Multidimensional Data. Taylor & Francis Group, 2013.
Znajdź pełny tekst źródłaMultilinear Subspace Learning Dimensionality Reduction Of Multidimensional Data. CRC Press, 2013.
Znajdź pełny tekst źródłaPlataniotis, Konstantinos N., Haiping Lu i Anastasios Venetsanopoulos. Multilinear Subspace Learning: Dimensionality Reduction of Multidimensional Data. Taylor & Francis Group, 2013.
Znajdź pełny tekst źródłaTripathy, B. K., Anveshrithaa S i Shrusti Ghela. Unsupervised Learning Approaches for Dimensionality Reduction and Data Visualization. Taylor & Francis Group, 2021.
Znajdź pełny tekst źródłaPopov, Valentin, i Markus Heß. Method of Dimensionality Reduction in Contact Mechanics and Friction. Springer Berlin / Heidelberg, 2016.
Znajdź pełny tekst źródłaUnsupervised Learning Approaches for Dimensionality Reduction and Data Visualization. Taylor & Francis Group, 2021.
Znajdź pełny tekst źródłaPopov, Valentin L., i Markus Heß. Method of Dimensionality Reduction in Contact Mechanics and Friction. Springer, 2014.
Znajdź pełny tekst źródłaNonlinear Dimensionality Reduction Techniques: A Data Structure Preservation Approach. Springer International Publishing AG, 2022.
Znajdź pełny tekst źródłaTripathy, B. K., Shrusti Ghela i Anveshrithaa Sundareswaran. Unsupervised Learning Approaches for Dimensionality Reduction and Data Visualization. Taylor & Francis Group, 2021.
Znajdź pełny tekst źródłaPopov, Valentin L., i Markus Heß. Method of Dimensionality Reduction in Contact Mechanics and Friction. Springer, 2014.
Znajdź pełny tekst źródłaOja, Hannu, i Klaus Nordhausen. Linear Dimensionality Reduction: An Approach Based on Scatter Matrices. Wiley & Sons, Incorporated, John, 2022.
Znajdź pełny tekst źródłaOja, Hannu, i Klaus Nordhausen. Linear Dimensionality Reduction: An Approach Based on Scatter Matrices. Wiley & Sons, Incorporated, John, 2022.
Znajdź pełny tekst źródłaCarreira-Perpinan, Miguel A. Dimensionality Reduction (Chapman & Hall/Crc Computer Science & Data Analysis). Chapman & Hall/CRC, 2009.
Znajdź pełny tekst źródłaOja, Hannu, i Klaus Nordhausen. Linear Dimensionality Reduction: An Approach Based on Scatter Matrices. Wiley & Sons, Limited, John, 2021.
Znajdź pełny tekst źródłaTripathy, B. K., Shrusti Ghela i Anveshrithaa Sundareswaran. Unsupervised Learning Approaches for Dimensionality Reduction and Data Visualization. Taylor & Francis Group, 2021.
Znajdź pełny tekst źródłaDutykh, Denys, Sylvain Lespinats i Benoit Colange. Nonlinear Dimensionality Reduction Techniques: A Data Structure Preservation Approach. Springer International Publishing AG, 2021.
Znajdź pełny tekst źródłaTripathy, B. K., Anveshrithaa S i Shrusti Ghela. Unsupervised Learning Approaches for Dimensionality Reduction and Data Visualization. Taylor & Francis Group, 2021.
Znajdź pełny tekst źródła