退出
我的积分:
中文文献批量获取
外文文献批量获取
许子微; 陈秀宏;
江南大学数字媒体学院 江苏无锡214122;
图像处理; 主成分分析; 无监督学习; 数据降维; 稀疏; 最优均值; 自步学习; 人脸识别;
机译:通过联合ℓ_(2,1)和Schatten p-范数最小化以最优均值进行稳健的主成分分析
机译:稀疏主成分分析问题:最优条件和算法
机译:通过随机稀疏主成分分析解决激光诱导的击穿光谱数据的稀疏性
机译:具有Li-Norm最优均值稳健主成分分析的图像集表示
机译:从错误数据进行机器学习:最佳稀疏L1-Norm主成分分析
机译:基于最优辅助协变量的两阶段抽样设计用于均值或均值差的半参数有效估计并将其应用于临床试验
机译:稀疏主成分分析问题:最优性条件 和算法
机译:poisson arrivals查看时间平均值(pasTa)属性以及固定排队系统中客户和时间平均值之间的进一步关系
机译:稀疏主成分分析的约束约束组合最优化问题的最大化候选解决方案的计算机实现方法和最优化问题的求解
机译:蜂窝网络/移动终端内部时钟偏移最优化方法,具有使每个内部终端/均值终端偏移的估计值,然后应用内部终端时钟校正平均值。
机译:k-使用k均值聚类和主成分分析分析住宅负载特性的方法
抱歉,该期刊暂不可订阅,敬请期待!
目前支持订阅全部北京大学中文核心(2020)期刊目录。