Bewertung:
Das Buch wird für seine gründliche Erforschung der Techniken der Faktorisierung nichtnegativer Matrizen mit zahlreichen Beispielen und Code hoch geschätzt. Es dient sowohl als grundlegende Einführung als auch als praktischer Leitfaden für fortgeschrittene Konzepte, obwohl es einige Ungereimtheiten aufweist und von mehr praktischen Beispielen profitieren könnte.
Vorteile:Großartige Beispiele und Abwechslung, nützliche Sammlung von Techniken, umfassende und gründliche Darstellung, beginnt mit den Grundlagen und geht zu praktischen Anwendungen über, prägnant und leicht zu folgen.
Nachteile:Einige Ungereimtheiten im Text, setzt Vertrautheit mit Algorithmus-Abwägungen voraus, in einigen Bereichen fehlen praktische Beispiele.
(basierend auf 4 Leserbewertungen)
Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-Way Data Analysis and Blind Source Separation
Dieses Buch bietet einen umfassenden Überblick über Modelle und effiziente Algorithmen für die nichtnegative Matrixfaktorisierung (NMF). Dazu gehören auch die verschiedenen Erweiterungen und Modifikationen der NMF, insbesondere die nichtnegativen Tensorfaktorisierungen (NTF) und die nichtnegativen Tucker-Zerlegungen (NTD). NMF/NTF und ihre Erweiterungen werden zunehmend als Werkzeuge in der Signal- und Bildverarbeitung sowie in der Datenanalyse eingesetzt und haben aufgrund ihrer Fähigkeit, neue Erkenntnisse und relevante Informationen über die komplexen latenten Beziehungen in experimentellen Datensätzen zu liefern, großes Interesse geweckt. Es wird angenommen, dass NMF sinnvolle Komponenten mit physikalischen Interpretationen liefern können.
In der Bioinformatik wurden die NMF und ihre Erweiterungen beispielsweise erfolgreich für die Genexpression, die Sequenzanalyse, die funktionale Charakterisierung von Genen, das Clustering und das Textmining eingesetzt. Daher konzentrieren sich die Autoren auf die Algorithmen, die in der Praxis am nützlichsten sind, wobei sie die schnellsten, robustesten und für große Modelle geeigneten Algorithmen untersuchen.
Hauptmerkmale:
⬤ Funktioniert als ein einziges Nachschlagewerk für NMF, das Informationen zusammenfasst, die in der aktuellen Literatur weit verstreut sind, einschließlich der von den Autoren selbst kürzlich entwickelten Techniken auf diesem Gebiet.
⬤ Verwendet verallgemeinerte Kostenfunktionen wie Bregman-, Alpha- und Betadivergenzen, um praktische Implementierungen verschiedener Arten von robusten Algorithmen vorzustellen, insbesondere multiplikative, alternierende kleinste Quadrate, projizierte Gradienten und Quasi-Newton-Algorithmen.
⬤ Bietet eine vergleichende Analyse der verschiedenen Methoden, um Näherungsfehler und Komplexität zu ermitteln.
⬤ Enthält Pseudocodes und optimierte MATLAB-Quellcodes für fast alle in diesem Buch vorgestellten Algorithmen.
Das zunehmende Interesse an nichtnegativen Matrix- und Tensorfaktorisierungen sowie an der Zerlegung und spärlichen Darstellung von Daten macht dieses Buch zu einer unverzichtbaren Lektüre für Ingenieure, Wissenschaftler, Forscher, Praktiker in der Industrie und Studenten in der Signal- und Bildverarbeitung.
Neurowissenschaften.
Data Mining und Datenanalyse.
Computerwissenschaften.
Bioinformatik.
Sprachverarbeitung.
Biomedizinische Technik.
Und Multimedia.
| ISBN: | 9780470746660 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2009 |
| Seitenzahl: | 504 |
Derzeit verfügbar, auf Lager.
