机译:具有标签噪声和异常值的分类框架中的强大变量选择:应用于Agri-Food中的光谱数据
机译:基于修剪和限制的基于模型分类的强大方法,在异常因素和标签噪声存在半监督学习
机译:具有健壮的AUC最大化框架,同时进行异常值检测和特征选择,用于阳性-未标记分类
机译:混合模型和基于EM的算法,用于混合标记/未标记数据集中的类发现,鲁棒分类和异常剔除
机译:用于有效特征选择和样本分类的强大集成框架及其在基因表达数据分析中的应用
机译:同时使用LASSO进行变量选择和离群值检测,并将其应用于飞机着陆数据分析。
机译:对样本离群值和特征噪声具有鲁棒性的半监督区分分类
机译:一种将模型的变化点检测算法的稳健性提高到异常值和噪声的一般框架
机译:线性回归中的多个异常值:检测方法,稳健估计和变量选择的进展