.png){kind=icon}
返回
Multi-label feature selection via binary label subspace learning and hypergraph constraints
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2026.114574.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种利用二值标签子空间和超图约束的新型多标签特征选择方法。• 所提出的算法使用新的标签子空间方法来优化标签表示。• 使用超图约束来探索复杂的高阶相关性。• 在10个基准数据集上的比较结果表明，所提出的方法具有更优的性能。
Keyword:
Multi-label feature selection
Binary label subspace
Hypergraph constraints
Label representation
High-order correlations
期刊
IF:
8
论文数:
5.4K
被引数:
3.5W
机构
引用论文
Discriminative approximate regression projection for feature extraction判别性近似回归投影特征提取.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Dynamic subspace dual-graph regularized multi-label feature selection动态子空间对偶图正则化多标签特征选择NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Multi-label feature selection via latent representation learning and dynamic graph constraintsPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Relevance assignation feature selection method based on mutual information for machine learning
PREAI
分享收藏
查看更多内容