.png){kind=icon}
返回
Sparse subspace learning based redundancy-aware unsupervised feature selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.112611.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种用于无监督特征选择的 min-max 子空间学习框架。
• 引入了一种由多度量融合引导的低冗余学习策略。
• 开发了一种基于 ADMM 的迭代算法来优化所得到的问题。
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
查看更多机构
引用论文
暂无论文信息