ICCVJul, 2017

无限潜变量特征选择：基于概率潜图的排名方法

PDF
TL;DR本文提出了一种基于概率潜变量图的鲁棒性特征选择算法，它通过将特征子集视为图上的路径，在考虑所有特征子集的同时执行排名步骤，并将相关性建模为 PLSA 启发式生成过程中的潜在变量。实验表明，该方法在许多不同的场景和难度下都可获得最高性能水平，并在特征选择领域设定了一个新的最佳状态。
feature selectionprobabilistic latent graphplsacomputer visionobject recognition
发现论文，激发创造
  • 贪婪特征选择：通过贪婪方法进行分类器依赖特征选择

    本研究介绍了一种名为贪婪特征选择的用于分类任务的特征排序新方法，并通过理论和数值测试探究了该方法在模型容量指标以及预测活动太阳的地球有效表现问题上的好处。

    Mar, 2024

  • 特征合奏：判别特征选择遇见无监督聚类

    本文提出了一种高效的算法，以一种高效、紧凑的方式从候选项中发现输入特征或分类器的稀疏表示，用于大规模识别，并在训练速度和性能方面显着优于传统方法和强大的分类器，特别是在有限的训练数据的情况下。

    Nov, 2014

  • 一种用于机器学习中的高维数据集的基于对比的特征选择算法

    通过选择最具信息量的特征并消除无关的特征，我们提出了一种新的基于差异性特征的滤波特征选择方法 ContrastFS，该方法能够在大型数据集上有效地降低计算成本，而且性能优于其他最先进的特征选择方法。

    Jan, 2024

  • 数据探索任务的通用潜在特征建模

    提出一种适用于异构数据的通用贝叶斯非参数潜在特征模型，能自动进行探索性分析，并能从数据自动推断模型复杂度。

    Jul, 2017

  • 无监督特征选择方法的性能分析

    本文比较了不同算法在特征选择方面的效果，结果表明 PCA、Rough PCA、USQR 和 EDR 算法能够快速筛选出对数据分类最相关的特征。

    Jun, 2013

  • 工业大数据应用中的分布式和并行时间序列特征提取

    提出了一种高效的、可扩展的、基于特征提取和重要性过滤的算法，用于过滤机器学习流水线中具有显著影响的特征，特别适用于预测性维护或生产线优化等任务中的时间序列分类和回归问题，并在模拟随机过程和 UCR 时间序列分类库的二元分类问题中进行了基准测试。

    Oct, 2016

  • 超越 PCA：一种概率 Gram-Schmidt 方法进行特征提取

    使用概率格拉姆 - 施密特（PGS）正交化过程来探测和映射冗余维度，并通过该过程结合捕捉数据中非线性依赖的函数族构建一系列协方差矩阵，从而提取线性特征并移除非线性冗余。

    Nov, 2023

  • 面向大数据的超高维特征选择

    本文提出了一种新的自适应特征缩放方案用于大数据上的超高维特征选择，解决了激活大量特征时优化速度缓慢的问题，采用特征生成方法迭代激活一组特征并通过多重核学习子问题得到最优解，通过加速近端梯度算法在原始形式中求解多重核学习子问题并采用缓存技巧加速训练，通过大量论文实验验证了方法的竞争性能。

    Sep, 2012

  • 基于集合博弈理论的无监督分类数据特征排序

    本文提出了一种基于博弈理论、计算特征重要性的方法，用于无监督特征选择并消除冗余，结果表明该方法在降低冗余率的同时最大化数据信息。同时，本文还介绍了一种计算 Shapley 值的算法的近似版本，使其能够降低复杂度。

    May, 2022

  • 基于图滤波的拓扑特征选择方法

    本文介绍了一种基于图形的无监督特征选择技术，该技术利用拓扑受限网络表示的威力，使用和弦图来建模特征之间的依赖结构，通过研究它们在网络内的相对位置来最大化特征相关性的可能性，并在不同应用领域的 16 个基准数据集上测试我们的算法，结果表明我们的算法在异构评估条件下优于或与最新技术水平相匹配。该方法在可调性，可解释性和计算成本方面展现出较高的优越性。

    Feb, 2023