Evolutionary k-means for distributed data sets (2014)
- Authors:
- Autor USP: CAMPELLO, RICARDO JOSÉ GABRIELLI BARRETO - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.neucom.2013.05.046
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Neurocomputing
- ISSN: 0925-2312
- Volume/Número/Paginação/Ano: v. 127, p. 30-42, mar. 2014
- Conference titles: Brazilian Symposium on Neural Networks - SBRN
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
NALDI, M. C e CAMPELLO, Ricardo José Gabrielli Barreto. Evolutionary k-means for distributed data sets. Neurocomputing. Amsterdam: Elsevier. Disponível em: https://doi.org/10.1016/j.neucom.2013.05.046. Acesso em: 23 abr. 2024. , 2014 -
APA
Naldi, M. C., & Campello, R. J. G. B. (2014). Evolutionary k-means for distributed data sets. Neurocomputing. Amsterdam: Elsevier. doi:10.1016/j.neucom.2013.05.046 -
NLM
Naldi MC, Campello RJGB. Evolutionary k-means for distributed data sets [Internet]. Neurocomputing. 2014 ; 127 30-42.[citado 2024 abr. 23 ] Available from: https://doi.org/10.1016/j.neucom.2013.05.046 -
Vancouver
Naldi MC, Campello RJGB. Evolutionary k-means for distributed data sets [Internet]. Neurocomputing. 2014 ; 127 30-42.[citado 2024 abr. 23 ] Available from: https://doi.org/10.1016/j.neucom.2013.05.046 - Texto sistematizado
- Modelagem e controle utilizando bases de funções ortonormais.
- Automatic aspect discrimination in relational data clustering
- An introduction to models based on Laguerre, Kautz and other related orthonormal functions - part II: non-linear models
- Evaluating correlation coefficients for clustering gene expression profiles of cancer
- A simpler and more accurate AUTO-HDS framework for clustering and visualization of biological data
- On the combination of relative clustering validity criteria
- Active learning strategies for semi-supervised DBSCAN
- Asymmetric Volterra models based on ladder-structured generalized orthonormal basis functions
- On the internal evaluation of unsupervised outlier detection
Informações sobre o DOI: 10.1016/j.neucom.2013.05.046 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas