机读格式显示(MARC)

• 000 01703nam 2200325 450

• 001 0000715115

• 005 20240812143000.0

• 010 __ |a 978-7-5192-9698-8 |d CNY159.00

• 100 __ |a 20230221d2023 em y0chiy50 ba

• 101 0_ |a eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 001yy

• 106 __ |a r

• 200 1_ |a Information theory in computer vision and pattern recognition |A Information Theory In Computer Vision And Pattern Recognition |f Francisco Escolano, Pablo Suau, Boyan Bonev

• 210 __ |a 北京 |c 世界图书出版公司 |d 2023

• 215 __ |a 355页 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 人工智能的信息论方法 |A ren gong zhi neng de xin xi lun fang fa

• 300 __ |a 全彩英文版

• 312 __ |a 中文并列题名取自版权页

• 320 __ |a 有书目 (第343-352页) 和索引

• 330 __ |a 本书讲述的是: 信息论已被证明可以有效地解决许多计算机视觉和模式识别 (CVPR) 问题, 如图像匹配、聚类和分割、显著性检测、特征选择、最优分类器设计等。如今, 研究人员正在将信息理论的元素广泛引入CVPR领域, 其中包括测度 (熵、交互信息)、原理 (最大熵、极大极小熵) 和理论 (速率失真理论、类型法) 等。本书通过增量复杂性方法探索和介绍了信息论的元素, 同时也提出了CVPR问题的形成和和最具代表性的算法。当应用于不同的问题时, 作者会突出信息理论原理之间的有趣关联, 寻求一个全面的研究路线图。本书的研究结果为CVPR和机器学习。

• 410 _0 |1 2001 |a 人工智能的信息论方法

• 510 1_ |a 计算机视觉与模式识别中的信息论方法 |z chi

• 606 0_ |a 信息论 |A xin xi lun |x 应用 |x 计算机视觉 |x 模式识别 |x 英文

• 690 __ |a TP302.7 |v 5

• 701 _1 |a 鲁伊斯 |A lu yi si |g (Ruiz, Francisco Escolano) |4 著

• 701 _1 |a 佩雷斯 |A pei lei si |g (Perez, Pablo Suau) |4 著

• 701 _1 |a 博涅夫 |A bo nie fu |g (Bonev, Boyan Bonev) |4 著

• 801 _0 |a CN |b WFKJXY |c 20240812

• 905 __ |a WFKJXY |d TP302.7/93*