高维数据的特征选择 理论与算法

《高维数据的特征学习》是根据国家青年基金、重庆市科委、重庆市教委的专项研究结果，系统全面地阐述了最新的高维数据特征学习理论及相应算法。主要通过大间隔理论、迹比(trace-ratio)理论、自动编码、稀疏编码等方法来研究高维数据（如图像，基因等）的特征选择，特征变换，特征提取等内容。本书将理论与应用相结合，通过引入最新的分布式算法和并行算法来解决在大规模高维数据集特征学习算法的有效性、可用性。