作者:
原文服务方: 计算机应用研究       
摘要:
特征降维能够有效地提高机器学习的效率,特征子集的搜索过程以及特征评价标准是特征降维的两个核心问题.综述国际上关于特征降维的研究成果,总结并提出了较完备的特征降维模型定义;通过列举解决特征降维上重要问题的各种方案来比较各种算法的特点以及优劣.并讨论了该方向上尚未解决的问题和发展趋势.
推荐文章
高维数据降维技术及研究进展
高维数据
维度灾难
降维技术
研究进展
高维数据降维的DCT变换
DCT变换
降维
数据处理
基于多元图形特征融合原理的降维方法研究
降维
多元图形特征融合
雷达图
高维数据的特征选择研究
高维数据
降维
特征选择
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 高维数据特征降维研究综述
来源期刊 计算机应用研究 学科
关键词 降维 机器学习 特征选择 特征抽取 评估准则
年,卷(期) 2008,(9) 所属期刊栏目 综述评论
研究方向 页码范围 2601-2606
页数 6页 分类号 TP181
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2008.09.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡洁 北京大学视觉与听觉信息处理实验室 3 201 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (172)
同被引文献  (137)
二级引证文献  (195)
1994(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(4)
  • 参考文献(4)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(10)
  • 引证文献(9)
  • 二级引证文献(1)
2010(6)
  • 引证文献(4)
  • 二级引证文献(2)
2011(16)
  • 引证文献(15)
  • 二级引证文献(1)
2012(12)
  • 引证文献(11)
  • 二级引证文献(1)
2013(25)
  • 引证文献(16)
  • 二级引证文献(9)
2014(32)
  • 引证文献(20)
  • 二级引证文献(12)
2015(42)
  • 引证文献(21)
  • 二级引证文献(21)
2016(52)
  • 引证文献(16)
  • 二级引证文献(36)
2017(47)
  • 引证文献(16)
  • 二级引证文献(31)
2018(50)
  • 引证文献(19)
  • 二级引证文献(31)
2019(58)
  • 引证文献(20)
  • 二级引证文献(38)
2020(17)
  • 引证文献(5)
  • 二级引证文献(12)
研究主题发展历程
节点文献
降维
机器学习
特征选择
特征抽取
评估准则
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导