.png){kind=icon}
返回
Group sparse regularization for adaptive multi-view feature selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2026.115846.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 特征通过基于密度的聚类并自动估计组别进行分组。• 提出了一种新颖的基于组的正则化项，以突出重要特征组并削弱不重要组。• 在统一框架中提出了一种自适应多视图特征选择模型。• 开发了一种高效的迭代算法以求解所提出的优化模型。
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
Joint consensus and diversity for multi-view semi-supervised classification.png)
MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏
A unified robust framework for multi-view feature extraction with L2,1-norm constraint具有L2，1范数约束的多视图特征提取的统一鲁棒框架NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏分享收藏
查看更多内容