DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/13347

Arxiu Descripció MidaFormat
NN0202.pdf196,49 kBAdobe PDFThumbnail
Veure/Obrir

Citació: Vellido, A.; Velazco, J. The effect of noise and sample size on an unsupervised feature selection method for manifold learning. A: IEEE World Congress on Computational Intelligence / International Joint-Conference on Artificial Neural Networks. "IEEE International Joint Conference on Neural Networks 2008". IEEE, 2008, p. 523-528.
Títol: The effect of noise and sample size on an unsupervised feature selection method for manifold learning
Autor: Vellido Alcacena, Alfredo Veure Producció científica UPC; Velazco, Jorge
Editorial: IEEE
Data: 2008
Tipus de document: Conference report
Resum: The research on unsupervised feature selection is scarce in comparison to that for supervised models, despite the fact that this is an important issue for many clustering problems. An unsupervised feature selection method for general Finite Mixture Models was recently proposed and subsequently extended to Generative Topographic Mapping (GTM), a manifold learning constrained mixture model that provides data visualization. Some of the results of a previous partial assessment of this unsupervised feature selection method for GTM suggested that its performance may be affected by insufficient sample size and by noisy data. In this brief study, we test in some detail such limitations of the method.
ISBN: 978-3-540-68858-7
URI: http://hdl.handle.net/2117/13347
DOI: 10.1109/IJCNN.2008.4633842
Apareix a les col·leccions:Altres. Enviament des de DRAC
SOCO - Soft Computing. Ponències/Comunicacions de congressos
Departament de Llenguatges i Sistemes Informàtics. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius