...
机译:通过稀疏原始和双重LSSVM进行联合样本和特征选择
Hainan Univ Sch Management Haikou 570228 Hainan Peoples R China;
Hainan Univ Sch Econ Haikou 570228 Hainan Peoples R China;
Inner Mongolia Univ Sch Math Sci Hohhot 010021 Peoples R China;
China Agr Univ Coll Sci Beijing 100083 Peoples R China;
Univ Sci & Technol Beijing Dept Informat & Comp Sci Beijing 100083 Peoples R China;
Least squares support vector machine; Feature selection; Sample selection; L-1-norm problem; Sparse learning;
机译:相关样本特征机:一种用于联合特征样本选择的稀疏贝叶斯学习方法
机译:增量相关样本特征机:用于联合特征选择和分类的快速边际似然最大化方法
机译:基于联合光谱学习和普通稀疏回归的无监督特征选择
机译:使用原始方法和结构约束上的分类和特征选择
机译:蜂箱音频样本分类的特征选择和最佳特征子集的生成
机译:eeg特征选择通过带有关节稀疏性的堆叠深嵌入回归
机译:相关性样本特征机:联合特征样本选择的稀疏贝叶斯学习方法
机译:极大稀疏线性规划的原始 - 对偶并行解