SYNALP Team - LORIA, INRIA Nancy-Grand Est, Vandoeuvre-les-Nancy, France;
INIST-CNRS, Vandoeuvre-les-Nancy, France;
Center for Data Engineering, International Institute of Information Technology, Gachibowli Hyderabad, Andhra Pradesh, India;
INIST-CNRS, Vandoeuvre-les-Nancy, France;
feature maximization; clustering quality index; feature selection; supervised learning; unbalanced data; text;
机译:一种基于侵入性杂草优化的特征选择的有效的群体智能方法:应用于使用光谱数据多变量校准和分类
机译:通过基于质量指标的有效特征选择来优化文本分类
机译:基于增量特征分析的生物特征步态数据分类优化特征选择技术
机译:基于质量指标的新特征选择和特征对比方法:应用于复杂文本数据的高效分类
机译:复杂统计数据分析中的一些贡献,用于分类,特征选择和人类生育模型
机译:基于群体智能的小波系数特征选择对质谱分类:蛋白质组学数据的应用
机译:基于质量指标的特征选择与特征对比新方法:在复杂文本数据有效分类中的应用
机译:基于文本案例分类的粗糙集特征选择算法。