We developed a robust feature selec

We developed a robust feature selection algorithm, called Noise-Resistant
Unsupervised Feature Selection (NRFS). It measures multi-perspective
correlation that reflects the importance of features with respect to noiseresistant
instance representatives and different global trends from spectral decomposition.
In this way, the model concisely captures a wide variety of local
patterns, and selects representative features with high quality.

ผลลัพธ์ (ไทย) 1:

เราพัฒนาอัลกอริธึมการเลือกคุณลักษณะที่แข็งแกร่ง เรียกว่าทนเสียงรบกวนเลือกคุณลักษณะขั่ว (NRFS) วัดทัศนมิติหลายความสัมพันธ์ที่สะท้อนถึงความสำคัญของคุณลักษณะเกี่ยวกับ noiseresistantแทนอินสแตนซ์และแนวโน้มโลกที่แตกต่างจากสเปกตรัมการสลายตัวด้วยวิธีนี้ ได้จับแบบง่าย ๆ หลากหลายของท้องถิ่นรูปแบบ และเลือกคุณสมบัติพนักงาน มีคุณภาพสูง

ผลลัพธ์ (ไทย) 2:

เราได้พัฒนาอัลกอริทึมการเลือกคุณลักษณะที่แข็งแกร่งเรียกเสียงรบกวนทน
เลือก Unsupervised คุณลักษณะ (NRFs) มันมาตรการหลายมุมมองของ
ความสัมพันธ์ที่สะท้อนให้เห็นถึงความสำคัญของคุณสมบัติที่เกี่ยวกับ noiseresistant
ตัวแทนอินสแตนซ์และแนวโน้มของโลกที่แตกต่างจากการสลายตัวสเปกตรัม.
ด้วยวิธีนี้รูปแบบรัดกุมจับความหลากหลายของท้องถิ่น
รูปแบบและเลือกคุณสมบัติตัวแทนที่มีคุณภาพสูง

ผลลัพธ์ (ไทย) 3:

เราได้พัฒนาประสิทธิภาพคุณลักษณะการเลือกอัลกอริทึม เรียกว่าป้องกันเสียงการเลือกคุณลักษณะ unsupervised ( nrfs ) มันมาตรการหลายมุมมองความสัมพันธ์ที่สะท้อนให้เห็นถึงความสำคัญของการ noiseresistant คุณสมบัติ ด้วยความเคารพตัวแทนตัวอย่างและแนวโน้มโลกที่แตกต่างจากสเปกตรัมการสลายตัวในวิธีนี้แบบรัดกุมครอบคลุมหลากหลายของท้องถิ่นรูปแบบ , และเลือกคุณสมบัติตัวแทนที่มีคุณภาพสูง