...
机译:无监督频谱特征选择算法的冗余特征去除:基于非参数稀疏特征图的实证研究
College of Information Science and Technology, Beijing Normal University, Beijing, China;
Department of Computer Science, Stony Brook University, Stony Brook, USA;
Machine Learning Laboratory, General Electric Global Research, San Ramon, CA, USA;
Department of Computer Science, Stony Brook University, Stony Brook, USA;
Sparse graph representation; Unsupervised spectral feature selection; Dense subgraph;
机译:无监督谱特征选择算法的冗余功能拆除:基于非参数稀疏特征图的实证研究
机译:用于无监督光谱特征选择的鲁棒联合图稀疏编码
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:基于稀疏表示的无监督特征选择算法
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:基于无监督光谱空间特征选择的VNIR高光谱相机伪装目标检测
机译:基于Ultrametricity和稀疏训练数据的无监督特征选择:高维超光谱数据分类的案例研究
机译:改进的特征提取,特征选择和识别技术,创建快速无监督的高光谱目标检测算法