QQ客服 官方微博 反馈留言

浏览/检索结果: 共5条，第1-5条 帮助 限定条件 发表日期：2015     已选(0)清除 条数/页：5101520253035404550556065707580859095100   排序方式：请选择作者升序作者降序题名升序题名降序发表日期升序发表日期降序提交时间升序提交时间降序 Sparse kernel entropy component analysis for dimensionality reduction of biomedical data 期刊论文 neurocomputing, 2015, 卷号: 168, 页码: 930-940 作者:  Shi, Jun;  Jiang, Qikun;  Zhang, Qi;  Huang, Qinghua;  Li, Xuelong 收藏  |  浏览/下载：20/0  |  提交时间：2015/09/14 Sparse kernel entropy component analysis  Divide-and-conquer method  Dimensionality reduction  Biomedical data   A novel sensor feature extraction based on kernel entropy component analysis for discrimination of indoor air contaminants 期刊论文 2015, 卷号: 234, 页码: 143-149 作者:  Peng, Xiongwei[1];  Zhang, Lei[1];  Tian, Fengchun[1];  Zhang, David[2] 收藏  |  浏览/下载：2/0  |  提交时间：2019/11/28 State monitoring of complex electromechanical system based on integrated entropy of KPCA 期刊论文 Jisuanji Jicheng Zhizao Xitong/Computer Integrated Manufacturing Systems, CIMS, 2015, 卷号: 21, 期号: [db:dc_citation_issue], 页码: 1327-1333 作者:  Gao, Zhi-Yong;  Liang, Yin-Lin;  Gao, Jian-Min;  Jiang, Hong-Quan 收藏  |  浏览/下载：6/0  |  提交时间：2019/12/02 Complex electromechanical systems  Conventional methods  High dimensional spaces  Kernel principal component  Kernel principal component analyses (KPCA)  Kernel principle component analysis  Renyi entropy  Status monitoring   FR-KECA: Fuzzy robust kernel entropy component analysis 期刊论文 NEUROCOMPUTING, 2015, 卷号: 149, 页码: 1415-1423 作者:  Shi, Jun[1];  Jiang, Qikun[2];  Mao, Rui[3];  Lu, Minhua[4];  Wang, Tianfu[5] 收藏  |  浏览/下载：10/0  |  提交时间：2019/04/26 Fuzzy robust kernel entropy component analysis  Fuzzy set theory  Noise  Dimensionality reduction   Sparse kernel entropy component analysis for dimensionality reduction of biomedical data 期刊论文 NEUROCOMPUTING, 2015, 卷号: 168, 页码: 930-940 作者:  Shi, Jun[1];  Jiang, Qikun[2];  Zhang, Qi[3];  Huang, Qinghua[4];  Li, Xuelong[5] 收藏  |  浏览/下载：3/0  |  提交时间：2019/04/30 Sparse kernel entropy component analysis  Divide-and-conquer method  Dimensionality reduction  Biomedical data