用于无监督聚类的鲁棒协方差特征选择方法：针对站立树木上的超声测量数据

《Contact Lens and Anterior Eye》：Robust covariance feature selection for unsupervised clustering of ultrasonic measurements on standing trees

　　

莫赫森·穆萨维（Mohsen Mousavi）|纳赛尔·哈利利（Nasser Khalili）

• •
  针对受污染的数据，开发了一种鲁棒的无监督特征选择方法。
• •
  基于MCD的重新加权技术提升了噪声超声树数据的聚类效果。
• •
  一个统一的BO框架在一个协议下调整了RCFS、SPEC和UDFS算法。
• •
  在COIL20和ORL数据集上的基准测试阐明了加权机制的运作方式。
• •
  与USFS方法的比较显示，该方法具有较高的准确性、稳定性和良好的泛化能力。