Nonlinear sparse feature selection algorithm via low matrix rank constraint
Nonlinear sparse feature selection algorithm via low matrix rank constraint
复制标题
通过低矩阵秩约束的非线性稀疏特征选择算法
DOI：
10.1007/s11042-018-6909-1
复制
发表时间：
2018-12
影响因子：
3.6
通讯作者：
Jiaye Li
中科院分区：
文献类型：
--
作者：
Leyuan Zhang;Yangding Li;Jilian Zhang;Pengqing Li;Jiaye Li
高维数据经常出现非线性、低秩、特征冗余等特点，给进一步研究带来很大的困难。为此，提出了一种基于核函数的低秩无监督特征选择算法。
The characteristics of non-linear, low-rank, and feature redundancy often appear in high-dimensional data, which have great trouble for further research. Therefore, a low-rank unsupervised feature selection algorithm based on kernel function is proposed.
登录
查看更多内容
DOI：
10.1201/9781315220413-4
发表时间：
2018-10
期刊：
Handbook of Neural Network Signal Processing
影响因子：
--
作者：
Klaus-Robert Müller;S. Mika;Koji Tsuda;Koji Schölkopf
通讯作者：
Klaus-Robert Müller;S. Mika;Koji Tsuda;Koji Schölkopf
DOI：
10.1609/aaai.v29i1.9211
发表时间：
2015-01
期刊：
--
影响因子：
--
作者：
Suhang Wang;Jiliang Tang;Huan Liu
通讯作者：
Suhang Wang;Jiliang Tang;Huan Liu
局部敏感的半监督特征选择
影响因子：
6
作者：
He Xiaofei;Zhao Jidong;Lu Ke
通讯作者：
Lu Ke
DOI：
10.24963/ijcai.2017/211
发表时间：
2017-08
期刊：
--
影响因子：
--
作者：
Xiaojun Chen;Guowen Yuan;F. Nie;J. Huang
通讯作者：
Xiaojun Chen;Guowen Yuan;F. Nie;J. Huang
DOI：
10.1137/1.9781611974010.9
发表时间：
2015
期刊：
--
影响因子：
--
作者：
Yijun Sun;Jin Yao;S. Goodison
通讯作者：
Yijun Sun;Jin Yao;S. Goodison