Unsupervised Feature Selection With Constrained ℓ₂,₀-Norm and Optimized Graph

In this article, we propose a novel feature selection approach, named unsupervised feature selection with constrained <inline-formula> <tex-math notation="LaTeX">\ell _{2,0} </tex-math></inline-formula>-norm (row-sparsity constrained) and optimized graph (RSOGFS), w...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transaction on neural networks and learning systems Ročník 33; číslo 4; s. 1702 - 1713
Hlavní autoři:	Nie, Feiping, Dong, Xia, Tian, Lai, Wang, Rong, Li, Xuelong
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.04.2022 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Approximation Approximation algorithms Computer applications Feature extraction Feature selection group feature selection Image color analysis Manifolds Mathematical analysis Noise measurement norm Objective function Optimization optimized graph Regularization Similarity Sparse matrices Sparsity unsupervised learning
ISSN:	2162-237X, 2162-2388, 2162-2388
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!