
<html><head><meta http-equiv="Content-Type" content="text/html charset=utf-8"></head><body style="word-wrap: break-word; -webkit-nbsp-mode: space; -webkit-line-break: after-white-space;" class="">[Apologies if you receive multiple copies of this CFP]<div class=""><br class=""><div class=""><br class=""></div><div class=""><b class="">Call for papers: Special Issue on “Feature Selection for High-Dimensional Data” in the journal <i class="">Information </i>(ISSN 2078-2489)</b>. This special issue belongs to the section “Artificial Intelligence”. - <a href="http://www.mdpi.com/journal/information/special_issues/feature_selection_data" class="">http://www.mdpi.com/journal/information/special_issues/feature_selection_data</a></div><div class=""><br class=""></div><div class=""><i class="">Guest Editors: Veronica Bolon-Canedo, Noelia Sanchez-Maroño, Amparo Alonso-Betanzos (Universidade da Coruña, Spain)</i></div><div class=""><br class=""></div><div class=""><p style="box-sizing: inherit; margin: 0px 0px 1.25rem; padding: 0px; font-family: Arial; text-rendering: optimizelegibility; max-height: 100000px; line-height: 19px; color: rgb(34, 34, 34); font-size: 13px;" class="">Feature selection has been embraced as one of the high activity research areas during the last few years, because of the appearance of datasets containing hundreds of thousands of features. Therefore, feature selection was deemed as a great tool to better model the underlying process of data generation, as well as to reduce the cost of acquiring the features. Furthermore, from the Machine Learning perspective, given that feature selection can reduce the dimensionality of the problem, it can be used for maintaining or even improving the algorithms’ performance, while reducing computational costs. Nowadays, the advent of Big Data has brought unprecedented challenges to machine learning researchers, who now have to deal with huge volumes of data, in terms of both instances and features, making the learning task more complex and computationally demanding than ever. Specifically, when dealing with an extremely large number of features, learning algorithms’ performance can degenerate due to overfitting; learned models decrease their interpretability as they become more complex; and speed and efficiency of the algorithms decline in accordance with size. A vast body of feature selection methods exists in the literature, including filters based on distinct metrics (e.g., entropy, probability distributions or information theory) and embedded and wrapper methods using different induction algorithms. However, some of the most used algorithms were developed when dataset sizes were much smaller, and nowadays they cannot scale well, producing a need to readapt these successful algorithms to be able to deal with Big Data problems.</p><p style="box-sizing: inherit; margin: 0px 0px 1.25rem; padding: 0px; font-family: Arial; text-rendering: optimizelegibility; max-height: 100000px; line-height: 19px; color: rgb(34, 34, 34); font-size: 13px;" class="">In this Special Issue, we invite investigators to contribute with their recent developments in feature selection methods for high-dimensional settings, as well as review articles that will stimulate the continuing efforts to understand the problems usually encountered in this field.</p><p style="box-sizing: inherit; margin: 0px 0px 1.25rem; padding: 0px; font-family: Arial; text-rendering: optimizelegibility; max-height: 100000px; line-height: 19px; color: rgb(34, 34, 34); font-size: 13px;" class="">Topics of interest include, but are not limited to:</p><ul style="box-sizing: inherit; margin: 0px 0px 1.25rem 1.1rem; padding: 0px; font-family: Arial; list-style-position: outside; max-height: 100000px; line-height: inherit; color: rgb(34, 34, 34); font-size: 13px;" class=""><li style="box-sizing: inherit; margin: 5px 0px 0px; padding: 0px; max-height: 100000px;" class="">New feature selection methods</li><li style="box-sizing: inherit; margin: 5px 0px 0px; padding: 0px; max-height: 100000px;" class="">Ensemble methods for feature selection</li><li style="box-sizing: inherit; margin: 5px 0px 0px; padding: 0px; max-height: 100000px;" class="">Feature selection to deal with microarray data</li><li style="box-sizing: inherit; margin: 5px 0px 0px; padding: 0px; max-height: 100000px;" class="">Parallelization of feature selection methods</li><li style="box-sizing: inherit; margin: 5px 0px 0px; padding: 0px; max-height: 100000px;" class="">Missing data in the context of feature selection</li><li style="box-sizing: inherit; margin: 5px 0px 0px; padding: 0px; max-height: 100000px;" class="">Feature selection applications</li></ul><p style="box-sizing: inherit; margin: 0px 0px 1.25rem; padding: 0px; font-family: Arial; text-rendering: optimizelegibility; max-height: 100000px; line-height: 19px; color: rgb(34, 34, 34); font-size: 13px;" class=""><strong style="box-sizing: inherit; line-height: inherit; max-height: 100000px;" class="">Manuscript Submission Information</strong></p><p style="box-sizing: inherit; margin: 0px 0px 1.25rem; padding: 0px; font-family: Arial; text-rendering: optimizelegibility; max-height: 100000px; line-height: 19px; color: rgb(34, 34, 34); font-size: 13px;" class="">Manuscripts should be submitted online at <a href="http://www.mdpi.com/" style="box-sizing: inherit; color: rgb(7, 127, 69); line-height: inherit; text-decoration: none; max-height: 100000px;" class="">www.mdpi.com</a> by <a href="http://www.mdpi.com/user/register/" style="box-sizing: inherit; color: rgb(7, 127, 69); line-height: inherit; text-decoration: none; max-height: 100000px;" class="">registering</a> and <a href="http://www.mdpi.com/user/login/" style="box-sizing: inherit; color: rgb(7, 127, 69); line-height: inherit; text-decoration: none; max-height: 100000px;" class="">logging in to this website</a>. Once you are registered, <a href="http://www.mdpi.com/user/manuscripts/upload/?journal=information" style="box-sizing: inherit; color: rgb(7, 127, 69); line-height: inherit; text-decoration: none; max-height: 100000px;" class="">click here to go to the submission form</a>. Manuscripts can be submitted until the deadline. All papers will be peer-reviewed. Accepted papers will be published continuously in the journal (as soon as accepted) and will be listed together on the special issue website. Research articles, review articles as well as short communications are invited. </p><div class=""><br class=""></div></div><div class=""><b class="">IMPORTANT DATES:</b></div><div class=""><br class=""></div><div class="">Paper submission deadline: 31 October 2017</div><div class=""><br class=""></div><div class=""><br class=""></div><div class=""><br class=""></div><div class=""><br class=""><div class="">

<div class=""><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Verónica Bolón Canedo, PhD</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Grupo LIDIA</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Departamento de Computación</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Facultad de Informática</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Universidade da Coruña</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class=""><br class=""></font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Campus de Elviña, s/n</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">15071 - A Coruña, Spain</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class=""><br class=""></font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Phone: +34 981 167150 Ext. 6007</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">Fax: +34 981 167160</font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class="">e-mail: <a href="mailto:veronica.bolon@udc.es" class="">veronica.bolon@udc.es</a></font></div><div style="orphans: 2; widows: 2;" class=""><font color="#929292" class=""><a href="http://www.lidiagroup.org" class="">http://www.lidiagroup.org</a></font></div></div><div class=""><br class=""></div><br class="Apple-interchange-newline">

</div>

<br class=""></div></div></body></html>