Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Support Vector Machines Applications

Support Vector Machines Applications

Fr. 210.00

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.09.2016

Abbildungen

VII, 302 p. 87 illus., 56 illus. in color.

Herausgeber

Yunqian Ma + weitere

Verlag

Springer

Seitenzahl

302

Maße (L/B/H)

23.5/15.5/1.6 cm

Gewicht

532 g

Auflage

Softcover reprint of the original 1st ed. 2014

Sprache

Englisch

ISBN

978-3-319-34329-7

Beschreibung

Rezension

From the book reviews:

“The book brings substantial contributions to the field of SVMs from both theoretical and practical points of view. The concepts and methods are presented in a clear and accessible way, and the illustrative examples and applications provide a valuable source of inspiration for similar developments. … This book is of considerable value to researchers in the fields of machine learning, data mining, and statistical pattern recognition.” (L. State, Computing Reviews, August, 2014)

Portrait

Yunqian Ma is Senior Principal Research Scientist at Honeywell Labs. Guodong Guo is an Assistant Professor at West Virginia University.

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.09.2016

Abbildungen

VII, 302 p. 87 illus., 56 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

302

Maße (L/B/H)

23.5/15.5/1.6 cm

Gewicht

532 g

Auflage

Softcover reprint of the original 1st ed. 2014

Sprache

Englisch

ISBN

978-3-319-34329-7

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Support Vector Machines Applications
  • Augmented-SVM for gradient observations with application to learning multiple-attractor dynamics.- Multi-class Support Vector Machine.- Novel Inductive and Transductive Transfer Learning Approaches Based on Support Vector Learning.- Security Evaluation of Support Vector Machines in Adversarial Environments.- Application of SVMs to the Bag-of-features Model— A Kernel Perspective.- Support Vector Machines for Neuroimage Analysis: Interpretation from Discrimination.- Kernel Machines for Imbalanced Data Problem and the Use in Biomedical Applications.- Soft Biometrics from Face Images using Support Vector Machines.