Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Knowledge Transfer between Computer Vision and Text Mining

Similarity-based Learning Approaches

Radu Tudor Ionescu

Marius Popescu

Език

Английски език

Книга С меки корици

Код Либристо: 20118522

Издателство Springer International Publishing AG, май 2018

This ground-breaking text/reference diverges from the traditional view that computer vision (for ima... Цялото описание

Код Либристо: 20118522

263 b

108.56 €

212.32 лв

Външен склад Изпращаме след 8-11 дни

30 дни за връщане на стоката

Клиентите са закупили също

Mehrsprachigkeit aus neurolinguistischer Sicht Gerda Videsott

С твърди корици

67.75 € 132.51 лв

Analisis Economico del Processo Civil T. Gico Ivo Jr.

С твърди корици

42.04 € 82.23 лв

Ricette migranti. 20 piatti, 20 storie di vita Elena Guerra

С меки корици

24.56 € 48.04 лв

Fermate Kowalsky! Tangentopoli trent'anni dopo Vittorio Nessi

С меки корици

24.25 € 47.43 лв

This ground-breaking text/reference diverges from the traditional view that computer vision (for image analysis) and string processing (for text mining) are separate and unrelated fields of study, propounding that images and text can be treated in a similar manner for the purposes of information retrieval, extraction and classification. Highlighting the benefits of knowledge transfer between the two disciplines, the text presents a range of novel similarity-based learning (SBL) techniques founded on this approach. Topics and features: describes a variety of SBL approaches, including nearest neighbor models, local learning, kernel methods, and clustering algorithms; presents a nearest neighbor model based on a novel dissimilarity for images; discusses a novel kernel for (visual) word histograms, as well as several kernels based on a pyramid representation; introduces an approach based on string kernels for native language identification; contains links for downloading relevant open source code.