《表1 实验数据集：基于正则互表示的无监督特征选择方法》
提示：宽带有限、当前游客访问压缩模式
实验中使用的数据集来源于UCI标准数据集，共5个数据集，关于这些数据集的详细描述信息请参考表1。
| 图表编号 | XD00163199100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.10 |
| 作者 | 汪志远、降爱莲、奥斯曼·穆罕默德 |
| 绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 数据集描述：稀疏回归和流形学习的无监督特征选择算法》2020.09.05
- 《表6 数据集的特征表示：基于任意布设传声器的飞机强度试验声源定位方法》2020.12.25
- 《表1 实验数据集：基于多注意力的多变量时间序列特征选择方法》2020.11.15
- 《表2 实验数据集：一种基于样本选择的安全半监督分类算法》2020.02.28
- 《表3 归一化互信息对比：基于正则互表示的无监督特征选择方法》2020.07.10
- 《表2 聚类准确率对比：基于正则互表示的无监督特征选择方法》2020.07.10
- 《表4 冗余率对比：基于正则互表示的无监督特征选择方法》2020.07.10
- 《表1 数据集描述：最大熵和_(2,0)范数约束的无监督特征选择算法》2020.06.01
- 《表1 实验数据集描述：自我注意力机制中基于相对位置的句子表示方法》2020.02.01
- 《表3 实验数据集：基于改进蝗虫优化算法的特征选择方法》2020.01.30
- 《表2 四个数据集的信息：一种基于用户结构和属性的无监督用户对齐方法》2020.01.30
- 《表1 实验数据集：基于特征选择的软件缺陷预测方法》2019.10.25
- 《表2 人工网络数据集：半监督属性网络表示学习方法》2019.06.15
- 《表1 真实网络数据集：半监督属性网络表示学习方法》2019.06.15
- 《表1 基于Office-31数据集的无监督域适应实验结果》2019.07.01
- 《表1 数据集：均分式L_(1/2)正则化稀疏表示特征选择方法》2019.06.16
- 《表2 数据集说明表：基于节点度中心性的无监督特征选择》2019.03.01
- 《表1 符号及其含义：基于节点度中心性的无监督特征选择》2019.03.01
- 《表1 试验数据集描述：一种基于Laplacian的半监督特征选择模型》2019.02.01
- 《表1 数据集说明：基于弹性网回归的水下目标无监督特征选择算法》2018.06.01