College of Science, National University of Defense Technology, Changsha, China;
capped ¿¿¿2-norm loss; feature selection; ¿¿¿2, 1-norm regularization;
机译:强大的分层功能选择,具有封端的ℓ_2-rang
机译:通过关节L_(2,1) - 响应距离最小化和最大化的鲁棒判别特征选择
机译:通过同时限制标准和最小化正则化器的鲁棒特征选择
机译:通过同时升压鲁棒特征选择2-norm和??? 2,1-norm最小化
机译:使用混合范数惩罚函数进行降维和特征选择。
机译:基于增强和惩罚最小化的ℓ0范数有效特征选择
机译:通过l2,1-范数正则化进行鲁棒分类的最佳特征选择