The University of Mississippi.;
机译:通过构成特征和矩阵分解的原始空间构成基础来监督特征选择
机译:将联合特征选择集成到子空间学习中:2DPCA用于异常值强大的特征选择
机译:半监控多标签特征选择,具有自适应结构学习和流形学习
机译:考虑特征流形的基于低维空间Hessian正则化的半监督稀疏特征选择
机译:核空间中扩展特征选择算法用于显式特征选择的研究
机译:通过功能空间重新映射(FSR)在功能丰富的异构功能空间上转移学习
机译:监督学习算法的特征选择和模型选择