ReP USP - Resultado da busca

Artigo de periodico
How to undertake reviews of large collections of articles and establish main contributions: an ontology-based literature review approach (2022)
Martarelli, Nádia Junqueira; Nagano, Marcelo Seido
Source: International Journal of Information Management Data Insights. Unidade: EESC
Subjects: CONHECIMENTO, RECONHECIMENTO DE PADRÕES, MINERAÇÃO DE DADOS, ONTOLOGIA, ENGENHARIA DE PRODUÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira e NAGANO, Marcelo Seido. How to undertake reviews of large collections of articles and establish main contributions: an ontology-based literature review approach. International Journal of Information Management Data Insights, v. 2, n. 2, p. 1-8, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.jjimei.2022.100091. Acesso em: 25 maio 2024.
APA
Martarelli, N. J., & Nagano, M. S. (2022). How to undertake reviews of large collections of articles and establish main contributions: an ontology-based literature review approach. International Journal of Information Management Data Insights, 2( 2), 1-8. doi:10.1016/j.jjimei.2022.100091
NLM
Martarelli NJ, Nagano MS. How to undertake reviews of large collections of articles and establish main contributions: an ontology-based literature review approach [Internet]. International Journal of Information Management Data Insights. 2022 ; 2( 2): 1-8.[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.jjimei.2022.100091
Vancouver
Martarelli NJ, Nagano MS. How to undertake reviews of large collections of articles and establish main contributions: an ontology-based literature review approach [Internet]. International Journal of Information Management Data Insights. 2022 ; 2( 2): 1-8.[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.jjimei.2022.100091
Artigo de periodico
How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices (2021)
Martarelli, Nádia Junqueira; Nagano, Marcelo Seido
Source: Machine Learning with Applications. Unidade: EESC
Subjects: PESQUISA CIENTÍFICA, REVISÃO SISTEMÁTICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira e NAGANO, Marcelo Seido. How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices. Machine Learning with Applications, v. 5, p. Se 2021, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.mlwa.2021.100056. Acesso em: 25 maio 2024.
APA
Martarelli, N. J., & Nagano, M. S. (2021). How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices. Machine Learning with Applications, 5, Se 2021. doi:10.1016/j.mlwa.2021.100056
NLM
Martarelli NJ, Nagano MS. How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices [Internet]. Machine Learning with Applications. 2021 ; 5 Se 2021.[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.mlwa.2021.100056
Vancouver
Martarelli NJ, Nagano MS. How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices [Internet]. Machine Learning with Applications. 2021 ; 5 Se 2021.[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.mlwa.2021.100056
Artigo de periodico
Unsupervised feature selection based on bio-inspired approaches (2020)
Martarelli, Nádia Junqueira; Nagano, Marcelo Seido
Source: Swarm and Evolutionary Computation. Unidade: EESC
Subjects: ALGORITMOS GENÉTICOS, SIMULAÇÃO, TECNOLOGIA DA INFORMAÇÃO, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira e NAGANO, Marcelo Seido. Unsupervised feature selection based on bio-inspired approaches. Swarm and Evolutionary Computation, v. 52, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.swevo.2019.100618. Acesso em: 25 maio 2024.
APA
Martarelli, N. J., & Nagano, M. S. (2020). Unsupervised feature selection based on bio-inspired approaches. Swarm and Evolutionary Computation, 52. doi:10.1016/j.swevo.2019.100618
NLM
Martarelli NJ, Nagano MS. Unsupervised feature selection based on bio-inspired approaches [Internet]. Swarm and Evolutionary Computation. 2020 ; 52[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.swevo.2019.100618
Vancouver
Martarelli NJ, Nagano MS. Unsupervised feature selection based on bio-inspired approaches [Internet]. Swarm and Evolutionary Computation. 2020 ; 52[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.swevo.2019.100618
Trabalho de evento
Agrupamento de dados mistos baseados no algoritmo K-means: uma revisão sistemática da literatura (2019)
Martarelli, Nádia Junqueira; Esposto, Kleber Francisco
Source: Proceedings. Conference titles: Conferências IADIS Ibero-Americanas WWW/Internet e Computação Aplicada. Unidade: EESC
Subjects: VENDAS, CADEIA DE SUPRIMENTOS, ENGENHARIA DE PRODUÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira e ESPOSTO, Kleber Francisco. Agrupamento de dados mistos baseados no algoritmo K-means: uma revisão sistemática da literatura. 2019, Anais.. Lisboa: IADIS, 2019. Disponível em: https://repositorio.usp.br/directbitstream/83c1fb67-39aa-496e-a8f9-cc7b4a49c270/PROD_23926_SYSNO_3039332.pdf. Acesso em: 25 maio 2024.
APA
Martarelli, N. J., & Esposto, K. F. (2019). Agrupamento de dados mistos baseados no algoritmo K-means: uma revisão sistemática da literatura. In Proceedings. Lisboa: IADIS. Recuperado de https://repositorio.usp.br/directbitstream/83c1fb67-39aa-496e-a8f9-cc7b4a49c270/PROD_23926_SYSNO_3039332.pdf
NLM
Martarelli NJ, Esposto KF. Agrupamento de dados mistos baseados no algoritmo K-means: uma revisão sistemática da literatura [Internet]. Proceedings. 2019 ;[citado 2024 maio 25 ] Available from: https://repositorio.usp.br/directbitstream/83c1fb67-39aa-496e-a8f9-cc7b4a49c270/PROD_23926_SYSNO_3039332.pdf
Vancouver
Martarelli NJ, Esposto KF. Agrupamento de dados mistos baseados no algoritmo K-means: uma revisão sistemática da literatura [Internet]. Proceedings. 2019 ;[citado 2024 maio 25 ] Available from: https://repositorio.usp.br/directbitstream/83c1fb67-39aa-496e-a8f9-cc7b4a49c270/PROD_23926_SYSNO_3039332.pdf
Trabalho de evento-anais periodico
Optimization of the numeric and categorical attribute weights in KAMILA mixed data clustering algorithm (2019)
Martarelli, Nádia Junqueira; Nagano, Marcelo Seido
Source: Lecture Notes in Computer Science. Conference titles: International Conference on Intelligent Data Engineering and Automated Learning - IDEAL. Unidade: EESC
Subjects: ALGORITMOS GENÉTICOS, XXX
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira e NAGANO, Marcelo Seido. Optimization of the numeric and categorical attribute weights in KAMILA mixed data clustering algorithm. Lecture Notes in Computer Science. Cham, Switzerland: Springer. Disponível em: https://doi.org/10.1007/978-3-030-33607-3_3. Acesso em: 25 maio 2024. , 2019
APA
Martarelli, N. J., & Nagano, M. S. (2019). Optimization of the numeric and categorical attribute weights in KAMILA mixed data clustering algorithm. Lecture Notes in Computer Science. Cham, Switzerland: Springer. doi:10.1007/978-3-030-33607-3_3
NLM
Martarelli NJ, Nagano MS. Optimization of the numeric and categorical attribute weights in KAMILA mixed data clustering algorithm [Internet]. Lecture Notes in Computer Science. 2019 ; 11871 20-27.[citado 2024 maio 25 ] Available from: https://doi.org/10.1007/978-3-030-33607-3_3
Vancouver
Martarelli NJ, Nagano MS. Optimization of the numeric and categorical attribute weights in KAMILA mixed data clustering algorithm [Internet]. Lecture Notes in Computer Science. 2019 ; 11871 20-27.[citado 2024 maio 25 ] Available from: https://doi.org/10.1007/978-3-030-33607-3_3
Artigo de periodico
High-performing heuristics to minimize flowtime in no-idle permutation flowshop (2018)
Nagano, Marcelo Seido ; Rossi, Fernando Luis; Martarelli, Nádia Junqueira
Source: Engineering Optimization. Unidade: EESC
Subjects: HEURÍSTICA, SCHEDULING
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
NAGANO, Marcelo Seido e ROSSI, Fernando Luis e MARTARELLI, Nádia Junqueira. High-performing heuristics to minimize flowtime in no-idle permutation flowshop. Engineering Optimization, v. 51, n. 2, 2018Tradução . . Disponível em: https://doi.org/10.1080/0305215X.2018.1444163. Acesso em: 25 maio 2024.
APA
Nagano, M. S., Rossi, F. L., & Martarelli, N. J. (2018). High-performing heuristics to minimize flowtime in no-idle permutation flowshop. Engineering Optimization, 51( 2). doi:10.1080/0305215X.2018.1444163
NLM
Nagano MS, Rossi FL, Martarelli NJ. High-performing heuristics to minimize flowtime in no-idle permutation flowshop [Internet]. Engineering Optimization. 2018 ; 51( 2):[citado 2024 maio 25 ] Available from: https://doi.org/10.1080/0305215X.2018.1444163
Vancouver
Nagano MS, Rossi FL, Martarelli NJ. High-performing heuristics to minimize flowtime in no-idle permutation flowshop [Internet]. Engineering Optimization. 2018 ; 51( 2):[citado 2024 maio 25 ] Available from: https://doi.org/10.1080/0305215X.2018.1444163
Artigo de periodico
A constructive evolutionary approach for feature selection in unsupervised learning (2018)
Martarelli, Nádia Junqueira; Nagano, Marcelo Seido
Source: Swarm and Evolutionary Computation. Unidade: EESC
Subjects: ALGORITMOS GENÉTICOS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira e NAGANO, Marcelo Seido. A constructive evolutionary approach for feature selection in unsupervised learning. Swarm and Evolutionary Computation, v. 42, p. 125-137, 2018Tradução . . Disponível em: https://doi.org/10.1016/j.swevo.2018.03.002. Acesso em: 25 maio 2024.
APA
Martarelli, N. J., & Nagano, M. S. (2018). A constructive evolutionary approach for feature selection in unsupervised learning. Swarm and Evolutionary Computation, 42, 125-137. doi:10.1016/j.swevo.2018.03.002
NLM
Martarelli NJ, Nagano MS. A constructive evolutionary approach for feature selection in unsupervised learning [Internet]. Swarm and Evolutionary Computation. 2018 ; 42 125-137.[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.swevo.2018.03.002
Vancouver
Martarelli NJ, Nagano MS. A constructive evolutionary approach for feature selection in unsupervised learning [Internet]. Swarm and Evolutionary Computation. 2018 ; 42 125-137.[citado 2024 maio 25 ] Available from: https://doi.org/10.1016/j.swevo.2018.03.002
Artigo de periodico
Socioeconomic class Of brazilian cities for health, education and employment & income IFDM: a clustering data analysis (2016)
Martarelli, Nádia Junqueira; Nagano, Marcelo Seido
Source: IEEE Latin America Transactions. Unidade: EESC
Subjects: CIDADES, MINERAÇÃO DE DADOS, ANÁLISE DE CONGLOMERADOS, SAÚDE, EDUCAÇÃO, EMPREGO, RENDA (TEORIA ECONÔMICA)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira e NAGANO, Marcelo Seido. Socioeconomic class Of brazilian cities for health, education and employment & income IFDM: a clustering data analysis. IEEE Latin America Transactions, v. 14, n. 3, p. 1513-1518, 2016Tradução . . Disponível em: https://doi.org/10.1109/TLA.2016.7459643. Acesso em: 25 maio 2024.
APA
Martarelli, N. J., & Nagano, M. S. (2016). Socioeconomic class Of brazilian cities for health, education and employment & income IFDM: a clustering data analysis. IEEE Latin America Transactions, 14( 3), 1513-1518. doi:10.1109/TLA.2016.7459643
NLM
Martarelli NJ, Nagano MS. Socioeconomic class Of brazilian cities for health, education and employment & income IFDM: a clustering data analysis [Internet]. IEEE Latin America Transactions. 2016 ; 14( 3): 1513-1518.[citado 2024 maio 25 ] Available from: https://doi.org/10.1109/TLA.2016.7459643
Vancouver
Martarelli NJ, Nagano MS. Socioeconomic class Of brazilian cities for health, education and employment & income IFDM: a clustering data analysis [Internet]. IEEE Latin America Transactions. 2016 ; 14( 3): 1513-1518.[citado 2024 maio 25 ] Available from: https://doi.org/10.1109/TLA.2016.7459643
Dissertação (Mestrado)
Seleção de atributos em agrupamento de dados utilizando algoritmos evolutivos (2016)
Martarelli, Nádia Junqueira; Nagano, Marcelo Seido (Orientador)
Unidade: EESC
Subjects: BANCO DE DADOS, ALGORITMOS GENÉTICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARTARELLI, Nádia Junqueira. Seleção de atributos em agrupamento de dados utilizando algoritmos evolutivos. 2016. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18156/tde-05102016-134559/. Acesso em: 25 maio 2024.
APA
Martarelli, N. J. (2016). Seleção de atributos em agrupamento de dados utilizando algoritmos evolutivos (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18156/tde-05102016-134559/
NLM
Martarelli NJ. Seleção de atributos em agrupamento de dados utilizando algoritmos evolutivos [Internet]. 2016 ;[citado 2024 maio 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18156/tde-05102016-134559/
Vancouver
Martarelli NJ. Seleção de atributos em agrupamento de dados utilizando algoritmos evolutivos [Internet]. 2016 ;[citado 2024 maio 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18156/tde-05102016-134559/

USP Schools

ReP

Filtros

Date published

Subjects

Source title

Publisher

Countries/Territories

Funding Agencies

Indexado em