2006年特征提取
数据挖掘人物 , 马苏德·尼克拉夫什 , 史蒂夫·冈恩 , 洛特菲·A·扎德 :
特征提取-基础和应用。 模糊与软计算研究 207, 施普林格 2006 ,国际标准图书编号 978-3-540-35487-1 数据挖掘人物 , 安德烈·埃利塞夫 :
特征提取简介。 1-25 诺伯特·扬科夫斯基 , Krzysztof Grabczewski公司 :
学习机器。 29-64 杰拉德·德雷福斯 , 数据挖掘人物 :
评估方法。 65-88 瓦洛齐斯劳公爵 :
过滤方法。 89-117 朱哈·鲁纳南 :
搜索策略。 119-136 托马斯·纳文·拉尔 , 奥利维尔·夏佩尔 , 杰森·韦斯顿 , 安德烈·埃利塞夫 :
嵌入式方法。 137-165 卡里·托科拉 :
信息论方法。 167-185 尤金·塔夫 :
合奏学习。 187-204 马丹·M·古普塔 , Noriyasu Homma公司 , 曾广厚 :
模糊神经网络。 205-233 数据挖掘人物 , 史蒂夫·冈恩 , 阿萨·本·胡尔 , 吉迪恩·德罗 :
NIPS2003挑战赛的设计与分析。 237-263 拉德福德·M·尼尔 , 印着张建国 :
用贝叶斯神经网络和狄利克雷扩散树进行高维分类。 265-296 卡里·托科拉 , 尤金·塔夫 :
高维问题的正则化最小二乘分类器集成。 297-313 陈一伟 , 林智仁 :
将SVM与各种特征选择策略相结合。 315-324 吴志立 , 李春红 :
基于传递支持向量机的特征选择。 325-341 阿米尔·雷扎(Amir Reza Saffari)阿扎尔·阿拉姆达里(Azar Alamdari) :
使用相关和单变量分类器方法进行变量选择:应用。 343-358 亚历山大·鲍里索夫 , 维克托·埃鲁希莫夫 , 尤金·塔夫 :
基于树的集成与动态软特征选择。 359-374 Saharon Rosset公司 , 吉竹 :
使用L1正则化进行稀疏、灵活和高效的建模。 375-394 兰·吉拉德·巴赫拉赫 , 阿米尔·纳沃特 :
基于边缘的特征选择和标准分类器的信息增益。 395-401 魏楚 , S.Sathiya Keerthi公司 , 王崇进(Chong Jin Ong) , 邹宾·加拉马尼 :
用于特征排序和选择的贝叶斯支持向量机。 403-418 塞普·霍克莱特 , 克劳斯·奥伯迈尔 :
基于势支持向量机的非线性特征选择。 419-438 托马斯·纳文·拉尔 , 奥利维尔·夏佩尔 , 伯恩哈德·舍尔科夫 :
将筛选方法与SVM相结合。 439-445 Mark J.拥抱 , 罗伯特·布莱斯 , 罗伯特·H·基利 :
基于直接核PLS的灵敏度分析的特征选择。 447-462 丹尼·鲁伯特 , 格里戈里斯·卡拉库拉斯 , 尼特斯·查拉 :
信息增益、相关性和支持向量机。 463-470 Krzysztof Grabczewski公司 , 诺伯特·扬科夫斯基 :
包含特征选择和分类的复杂模型挖掘。 471-488 李桑昆(Sang-Kyun Lee) , Seung-Joon Yi先生 , Byoung-Tak Zhang先生 :
基于信息的有监督和无监督特征选择相结合。 489-498 马克·博莱 :
一种改进的具有最优离散化的选择性朴素贝叶斯方法。 499-507 文森特·莱梅尔 , 织物Clérot :
基于经验数据概率分布的输入变量重要性定义。 509-516 本吉奥 , 奥利维尔·德拉略 , 尼古拉斯·勒鲁 , Jean-François Paiment女士 , 帕斯卡·文森特 , 玛丽·欧米特 :
光谱降维。 519-550 米奇纳里·莫玛 , 克里斯汀·贝内特 :
构造任意损失的正交潜在特征。 551-583 兰·吉拉德·巴赫拉赫 , 阿米尔·纳沃特 , 纳夫塔利·蒂什比 :
特征选择的大余量原则。 585-606 伊利亚·列夫纳 , 瓦迪姆·布利特科 , 林国辉 :
蛋白质组质谱分类的特征提取:比较研究。 607-624 阿萨·本·胡尔 , 道格拉斯·布鲁特拉格 :
序列模式:蛋白质功能的高度预测特征。 625-645
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)