Extensiones del método de vectores comunes discriminantes: Aplicadas a la clasificación de imágenes - Softcover
Inhaltsangabe
Los métodos basados en subespacios son una herramienta muy utilizada en aplicaciones de visión por computador. Aquí se presentan y validan algunos algoritmos que hemos propuesto en este campo de investigación. El primer algoritmo está relacionado con una extensión del método de vectores comunes discriminantes con kernel, que reinterpreta el espacio nulo de la matriz de dispersión intra-clase del conjunto de entrenamiento para obtener las características discriminantes. Dentro de los métodos basados en subespacios existen diferentes tipos de entrenamiento. Uno de los más populares, pero no por ello uno de los más eficientes, es el aprendizaje por lotes. En este tipo de aprendizaje, todas las muestras del conjunto de entrenamiento tienen que estar disponibles desde el inicio. De este modo, cuando nuevas muestras se ponen a disposición del algoritmo, el sistema tiene que ser reentrenado de nuevo desde cero. Una alternativa a este tipo de entrenamiento es el aprendizaje incremental. Aquí se proponen diferentes algoritmos incrementales del método de vectores comunes discriminantes.
Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.
Reseña del editor
Los métodos basados en subespacios son una herramienta muy utilizada en aplicaciones de visión por computador. Aquí se presentan y validan algunos algoritmos que hemos propuesto en este campo de investigación. El primer algoritmo está relacionado con una extensión del método de vectores comunes discriminantes con kernel, que reinterpreta el espacio nulo de la matriz de dispersión intra-clase del conjunto de entrenamiento para obtener las características discriminantes. Dentro de los métodos basados en subespacios existen diferentes tipos de entrenamiento. Uno de los más populares, pero no por ello uno de los más eficientes, es el aprendizaje por lotes. En este tipo de aprendizaje, todas las muestras del conjunto de entrenamiento tienen que estar disponibles desde el inicio. De este modo, cuando nuevas muestras se ponen a disposición del algoritmo, el sistema tiene que ser reentrenado de nuevo desde cero. Una alternativa a este tipo de entrenamiento es el aprendizaje incremental. Aquí se proponen diferentes algoritmos incrementales del método de vectores comunes discriminantes.
Biografía del autor
Soy Ingeniera Física desde el 2006, por la Universidad del Cauca, Colombia. En 2010 y 2011 obtuve el grado de Máster en Computación Avanzada y sistemas Inteligentes, y el grado de Phd en Informática y Matemática Computacional, respectivamente, por la Universidad de Valencia, España. Desde el 2012 soy miembro del grupo ADAS del CVC, y trabajo en UAB.
„Über diesen Titel“ kann sich auf eine andere Ausgabe dieses Titels beziehen.
Suchergebnisse für Extensiones del método de vectores comunes discriminantes:...
Foto des Verkäufers
Extensiones del método de vectores comunes discriminantes
Anbieter: moluna, Greven, Deutschland
Verkäuferbewertung 4 von 5 Sternen
Zustand: New. Artikel-Nr. 4993901
Neu kaufen
EUR 55,14
Versand:
EUR 48,99
Von Deutschland nach USA
Anzahl: Mehr als 20 verfügbar
Foto des Verkäufers
Extensiones del método de vectores comunes discriminantes | Aplicadas a la clasificación de imágenes
Anbieter: preigu, Osnabrück, Deutschland
Verkäuferbewertung 5 von 5 Sternen
Taschenbuch. Zustand: Neu. Extensiones del método de vectores comunes discriminantes | Aplicadas a la clasificación de imágenes | Katerine Diaz-Chito (u. a.) | Taschenbuch | 128 S. | Spanisch | 2013 | Publicia | EAN 9783639553390 | Verantwortliche Person für die EU: BoD - Books on Demand, In de Tarpen 42, 22848 Norderstedt, info[at]bod[dot]de | Anbieter: preigu. Artikel-Nr. 105585798
Neu kaufen
EUR 57,90
Versand:
EUR 70,00
Von Deutschland nach USA
Anzahl: 5 verfügbar
Foto des Verkäufers
Extensiones del método de vectores comunes discriminantes
Anbieter: buchversandmimpf2000, Emtmannsberg, BAYE, Deutschland
Verkäuferbewertung 5 von 5 Sternen
Taschenbuch. Zustand: Neu. Neuware -Los métodos basados en subespacios son una herramienta muy utilizada en aplicaciones de visión por computador. Aquí se presentan y validan algunos algoritmos que hemos propuesto en este campo de investigación. El primer algoritmo está relacionado con una extensión del método de vectores comunes discriminantes con kernel, que reinterpreta el espacio nulo de la matriz de dispersión intra-clase del conjunto de entrenamiento para obtener las características discriminantes. Dentro de los métodos basados en subespacios existen diferentes tipos de entrenamiento. Uno de los más populares, pero no por ello uno de los más eficientes, es el aprendizaje por lotes. En este tipo de aprendizaje, todas las muestras del conjunto de entrenamiento tienen que estar disponibles desde el inicio. De este modo, cuando nuevas muestras se ponen a disposición del algoritmo, el sistema tiene que ser reentrenado de nuevo desde cero. Una alternativa a este tipo de entrenamiento es el aprendizaje incremental. Aquí se proponen diferentes algoritmos incrementales del método de vectores comunes discriminantes.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 128 pp. Spanisch. Artikel-Nr. 9783639553390
Neu kaufen
EUR 67,90
Versand:
EUR 60,00
Von Deutschland nach USA
Anzahl: 2 verfügbar