...
机译:噪声不敏感迹线比率准则的高效半监督特征选择
Department of Computer Science and Engineering, University of Texas, Arlington, USA;
Department of Computer Science and Engineering, University of Texas, Arlington, USA;
Department of Computer Science, Tianjin Polytechnic University, Tianjin, China;
School of Electrical ss Electronic Engineering, Nanyang Technological University, Singapore;
feature selection; semi-supervised; trace ratio; graph based learning; re-scale preprocessing;
机译:高效的半监督学习和稀疏结构学习,适用于白血病数据集的特征选择
机译:集合约束拉普拉斯分数,可实现高效,鲁棒的半监督特征选择
机译:高效的半监督特征选择:约束,相关性和冗余
机译:混合特征选择:结合Fisher准则和互信息以进行有效的特征选择
机译:使用GA-SVM杂交技术和噪声扰动解决结直肠癌的大肠癌微阵列数据的生物分子特征选择。
机译:基于独特光谱功能的网络分析使得能够有效选择基因组多样的操作隔离单元
机译:基于跟踪比率标准的特征选择的大型保证金子空间学习
机译:使用前馈神经网络和信噪比的突出特征选择,重点是网络威胁检测和分类。