Information science; Machine learning; Feature extraction; Partitioning algorithms; Noise measurement; Decision trees; Data mining;
机译:通过使用一种新颖的整体特征选择方法来补偿特征选择偏差并改善二进制分类的预测性能
机译:基于生物地理的优化(BBO),人造蜜蜂(ABC)和支持向量机(SVM)的SAR图像分类的最佳特征选择:优化和机器学习的组合方法
机译:模糊粗糙特征选择的图形方法
机译:基于分布粗糙集的特征选择方法,用于分析乳腺X射线摄影质量分类的深层和手工特征
机译:Kaizen编程,具有增强功能发现:用于预测模型的特征选择和特征发现的自动方法
机译:通过使用新颖的集成特征选择方法补偿特征选择偏差并改善二进制分类的预测性能
机译:表1:使用基于术语频率的特征选择方法和多变量滤波器特征选择方法(Semeval DataSet)获得的F1得分(%)。