Advances in Feature Selection for Data and Pattern Recognition下载

PIPI_333 2018-08-29 11:58:34
这是关于特征选择和模式识别的电子书，高清，最新版本，经典著作，英文版
相关下载链接：//download.csdn.net/download/cgs425449830/10634610?utm_source=bbsseo
...全文
288 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
Wrapper Feature Selection Toolbox 使用教程
本文是Wrapper Feature Selection Toolbox的使用教程，介绍了项目的目录结构，如README.md、data/、src/等。还讲解了项目启动文件，负责初始化、加载配置和数据、进行特征选择并输出结果。同时介绍了配置文件，存储数据路径、特征选择方法等信息，确保项目正确运行。
Deep Learning for Remote Sensing Data
本文综述了深度学习(DL)在遥感(RS)领域的最新进展，特别是其在处理RS大数据方面的应用。DL算法能从数据中分层学习代表性与区分性特征，适用于图像预处理、像素分类、目标识别及场景理解。文章探讨了DL的基本算法，如卷积神经网络、受限玻尔兹曼机和自动编码器等，并针对RS图像的预处理、特征学习和目标识别提出了一系列方法。
Feature Selection: A Data Perspective --阅读笔记2 传统数据的特征选择算法
这篇博客介绍了传统数据的特征选择算法，重点关注基于相似性的方法，如Laplacian Score和SPEC。Laplacian Score是无监督的特征选择算法，用于保留数据流形结构，而SPEC则扩展到有监督和无监督场景，通过不同标准衡量特征相关性。
TKDE-2024《Symmetrical Self-Representation and Data-Grouping Strategy for Feature Selection》
本文提出了一种基于对称自表示和数据分组策略的无监督特征选择方法。该方法通过建模特征的内在分组结构，并引入对称编码-解码机制，有效提升了特征选择的精度与模型的鲁棒性。核心创新包括：自适应图正则化、组权重动态分配以及联合优化框架。实验表明该方法在保持数据局部结构的同时，能够更精细地捕捉特征间关系。
[translate]Multimodal Self-Paced Learning for Multi-Omics Feature Selection and Data Integration
提出MSPL,一种鲁棒性强的有监督多组学数据整合方法，能识别重要多组学特征并预测癌症亚型。通过样本重加权提升学习过程的鲁棒性，采用交互式推荐高置信度样本并执行特征选择。
下载资源悬赏专区

13,654

社区成员

12,572,430

社区内容

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛（原bbs）
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章