文件名称：假设检验代码matlab-2018-MLJ-Semi-supervised-feature-selection:发表在《机器学习杂志》上的论文
文件大小：1.8MB
文件格式：ZIP
更新时间：2024-06-12 20:08:11
系统开源
假设检验代码matlab MLJ 2018-半监督特征选择的简单策略 Matlab代码用于以下方法： K. Sechidis，G。Brown，《半监督特征选择的简单策略》。 半监督场景中的假设检验（第3节） 功能semiIAMB.m实现了我们的算法Semi-IAMB，这是应用于Markov Blanket发现IAMB（IAMB.m）的切换过程。 在半监督场景中对功能进行排名（第4节） 函数semiMIM.m和semiJMI.m实现了我们的算法Semi-MIM和Semi-JMI，它们是分别应用于特征选择方法MIM（MIM.m）和JMI（JMI.m）的切换过程。 教程 教程“ Tutorial_SemiSupervised_FS.m”介绍了我们建议的方法如何在半监督学习环境中用于特征选择。 引文 如果您使用此处找到的代码，请引用上面的论文。 @article {sechidis2017semisupervised， title = {用于半监督特征选择的简单策略}， 作者= {Konstantinos Sechidis和Gavin Brown}， journal = {机器学习}， 音\u91cf=
【文件预览】：
2018-MLJ-Semi-supervised-feature-selection-master
----JMI.m(1KB)
----disc_dataset_equalwidth.m(1KB)
----Tutorial_SemiSupervised_FS.m(4KB)
----mi.m(623B)
----Datasets()
--------krvskp.mat(7KB)
--------splice.mat(58KB)
--------musk2.mat(1.09MB)
--------semeion.mat(59KB)
--------waveform.mat(457KB)
--------landsat.mat(142KB)
----cmi.m(956B)
----semiMIM.m(1KB)
----MIM.m(596B)
----README.md(1KB)
----IAMB.m(2KB)
----semiJMI.m(1KB)
----semiIAMB.m(1KB)