iPhoneAlle anzeigen
iPhone 11iPhone 11 ProiPhone 11 Pro MaxiPhone 12iPhone 12 ProiPhone 12 Pro MaxiPhone 12 miniiPhone 13iPhone 13 ProiPhone 13 Pro MaxiPhone 13 miniiPhone 14iPhone 14 PlusiPhone 14 ProiPhone 14 Pro MaxiPhone 15iPhone 15 PlusiPhone 15 ProiPhone 15 Pro MaxiPhone 16iPhone 16 PlusiPhone 16 ProiPhone 16 Pro MaxiPhone 16eiPhone 5iPhone 5CiPhone 5SiPhone 6iPhone 6 PlusiPhone 6SiPhone 6S PlusiPhone 7iPhone 7 PlusiPhone 8iPhone 8 PlusiPhone SEiPhone SE 2020iPhone SE 2022iPhone XiPhone XRiPhone XSiPhone XS Max
NokiaAlle anzeigen
108 Reihe220 Reihe225 Reihe2600 classic Reihe2680 slide Reihe2710 Reihe3120 classic Reihe3220 Reihe500 Reihe515 Reihe5230 Reihe603 Reihe6131 Reihe6200 Reihe6300 Reihe6500 Reihe6700 Reihe700 Reihe7200 Reihe8310 ReiheAshaC1C2C3C5C6C7E51E52E6E63E65E7E71E72N73N8N9N95N97Nokia 3Nokia 4.2Nokia 5Nokia 6Nokia 7Nokia 8SiroccoWeitere ModelleXX2X3X6XLXpressMusic
Galaxy A-SerieAlle anzeigen
Galaxy A12Galaxy A13Galaxy A13 5GGalaxy A14Galaxy A15Galaxy A16Galaxy A17Galaxy A17 5GGalaxy A20eGalaxy A21Galaxy A22Galaxy A23Galaxy A24Galaxy A25Galaxy A26 5GGalaxy A27 5GGalaxy A3Galaxy A32Galaxy A33Galaxy A34Galaxy A35Galaxy A36 5GGalaxy A37Galaxy A40Galaxy A41Galaxy A42Galaxy A50Galaxy A51Galaxy A52Galaxy A53Galaxy A54Galaxy A55Galaxy A56 5GGalaxy A57 5GGalaxy A70Galaxy A71Galaxy A72
Redmi SeriesAlle anzeigen
Redmi 10Redmi 13CRedmi 15 5GRedmi Note 10Redmi Note 10 ProRedmi Note 11Redmi Note 11 ProRedmi Note 11 Pro Plus 5GRedmi Note 11sRedmi Note 12Redmi Note 12 5GRedmi Note 12 ProRedmi Note 12 Pro 5GRedmi Note 12 Pro PlusRedmi Note 13Redmi Note 13 5GRedmi Note 13 ProRedmi Note 13 Pro PlusRedmi Note 14Redmi Note 14 Pro PlusRedmi Note 15Redmi Note 15 5GRedmi Note 15 ProRedmi Note 15 Pro 5GRedmi Note 15 Pro Plus 5GRedmi Note 8Redmi Note 8 ProRedmi Note 9Redmi Note 9 Pro
- Startseite
Bücher Wissen & Bildung Englische Bücher Naturwissenschaft, Medizin, Informatik, Technik Mathematik Wahrscheinlichkeitstheorie & Statistik High-Dimensional Imaging Data Analysis
Derzeit nicht verfügbar
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
21 Tage Widerrufsrecht
High-Dimensional Imaging Data Analysis
Habte Tadesse Likassa, Ding-Geng Chen (Gebundene Ausgabe, Englisch)
Optischer Zustand
Beschreibung
This book provides a comprehensive, modern treatment of Principal Component Analysis (PCA) and its robust extensions for high-dimensional data analysis, with a particular emphasis on image data, machine learning (ML) and artificial intelligence (AI) applications, and optimization-based methods. Classical PCA remains a foundational tool for dimensionality reduction, outlier detection, feature… extraction, and data image visualization and reconstruction; however, its sensitivity to outliers, noise, missing data, and gross corruption severely limits its applicability in real-world problems. This book addresses these limitations by developing a unified and rigorous framework for Robust PCA and its advanced variants. The scope of the book spans from classical PCA to state-of-the-art robust low-rank modelling techniques, including Robust PCA with weighted nuclear norm, norm-based robustness, truncated weighted nuclear norm RPCA, and tensor robust PCA for high-dimensional imaging data.. Particular attention is given to ADMM and related optimization strategies that enable scalable solutions for high-dimensional problems. The core arguments of the book are threefold. First, robustness is essential not optional in modern data analysis, especially for high-dimensional image and tensor data contaminated by outliers, occlusions, and structured noise. Second, carefully incorporated regularization, such as weighted and truncated nuclear norms and structured sparsity via the norm, substantially improves recovery accuracy and interpretability compared with standard RPCA. Third, many seemingly distinct methods in machine learning and AI, and low-rank modelling can be understood within a unified optimization framework, enabling principled algorithm design and theoretical insight. Dieses Produkt haben wir gerade leider nicht auf Lager.
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
21 Tage Widerrufsrecht
Technische Daten
Erscheinungsdatum
28.11.2026
Sprache
Englisch
EAN
9783032322630
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
ICSA Book Series in Statistics
Sonderedition
Nein
Autor
Habte Tadesse Likassa, Ding-Geng Chen
Seitenanzahl
359
Einbandart
Gebundene Ausgabe
Buch Untertitel
From Classical PCA to Tensor Robust PCA with AI/ML, Vol. 1
Schlagwörter
Principal Component Analysis, Robust PCA, Robust PCA with Weighted Nuclear Norm and L_({2,1}) Norm, Robust Regression, Machine Learning Algorithms, High-Dimensional Image Data, Alternating Direction Method of Multipliers, Tensor Robust PCA, Robust Regularized Shrinkage Regression, RPCA with Truncated Weighted Nuclear Norm, Advanced Topics in High-Dimensional Data Analysis, Machine learning Algorithms
Thema-Inhalt
PBT - Wahrscheinlichkeitsrechnung und Statistik
Höhe
235 mm
Breite
15.5 cm
Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.
Transparenz & Sicherheit
Hersteller: Springer Nature Customer Service Center GmbH, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com
-.-
★★★★★
☆☆☆☆☆ Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!
Sicher bei rebuy kaufen