Menu

Filtros : "HRUSCHKA, EDUARDO RAUL" "ICMC" Removidos: "IFSC225" "Indexado no EBSCO" "EEL" Limpar

Filtros

Refine with date range

1 - 20 (70 records)

  • Artigo de periodico

    Combining clustering and active learning for the detection and learning of new image classes (2019)

    Coletta, Luiz Fernando Sommaggio ; Ponti, Moacir Antonelli ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep

    Source: Neurocomputing. Unidades: ICMC, EP

    Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. Combining clustering and active learning for the detection and learning of new image classes. Neurocomputing, v. 358, p. Se 2019, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2019.04.070. Acesso em: 29 maio 2024.

    • APA

      Coletta, L. F. S., Ponti, M. A., Hruschka, E. R., Acharya, A., & Ghosh, J. (2019). Combining clustering and active learning for the detection and learning of new image classes. Neurocomputing, 358, Se 2019. doi:10.1016/j.neucom.2019.04.070

    • NLM

      Coletta LFS, Ponti MA, Hruschka ER, Acharya A, Ghosh J. Combining clustering and active learning for the detection and learning of new image classes [Internet]. Neurocomputing. 2019 ; 358 Se 2019.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.neucom.2019.04.070

    • Vancouver

      Coletta LFS, Ponti MA, Hruschka ER, Acharya A, Ghosh J. Combining clustering and active learning for the detection and learning of new image classes [Internet]. Neurocomputing. 2019 ; 358 Se 2019.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.neucom.2019.04.070

  • Artigo de periodico

    Decomposing time series into deterministic and stochastic influences: a survey (2019)

    Duarte, Felipe Simões Lage Gomes; Rios, Ricardo A; Hruschka, Eduardo Raul ; Mello, Rodrigo Fernandes de

    Source: Digital Signal Processing. Unidades: EP, ICMC

    Subjects: ANÁLISE DE SÉRIES TEMPORAIS, MÉTODOS DE DECOMPOSIÇÃO

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      DUARTE, Felipe Simões Lage Gomes et al. Decomposing time series into deterministic and stochastic influences: a survey. Digital Signal Processing, v. 95, p. 1-18, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.dsp.2019.102582. Acesso em: 29 maio 2024.

    • APA

      Duarte, F. S. L. G., Rios, R. A., Hruschka, E. R., & Mello, R. F. de. (2019). Decomposing time series into deterministic and stochastic influences: a survey. Digital Signal Processing, 95, 1-18. doi:10.1016/j.dsp.2019.102582

    • NLM

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Decomposing time series into deterministic and stochastic influences: a survey [Internet]. Digital Signal Processing. 2019 ; 95 1-18.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.dsp.2019.102582

    • Vancouver

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Decomposing time series into deterministic and stochastic influences: a survey [Internet]. Digital Signal Processing. 2019 ; 95 1-18.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.dsp.2019.102582

  • Trabalho de evento

    Classification with multi-modal classes using evolutionary algorithms and constrained clustering (2018)

    Covões, Thiago Ferreira; Hruschka, Eduardo Raul

    Source: Proceedings. Conference titles: IEEE Congress on Evolutionary Computation - CEC. Unidade: ICMC

    Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS GENÉTICOS, COMPUTAÇÃO EVOLUTIVA

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COVÕES, Thiago Ferreira e HRUSCHKA, Eduardo Raul. Classification with multi-modal classes using evolutionary algorithms and constrained clustering. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/CEC.2018.8477858. Acesso em: 29 maio 2024.

    • APA

      Covões, T. F., & Hruschka, E. R. (2018). Classification with multi-modal classes using evolutionary algorithms and constrained clustering. In Proceedings. Piscataway: IEEE. doi:10.1109/CEC.2018.8477858

    • NLM

      Covões TF, Hruschka ER. Classification with multi-modal classes using evolutionary algorithms and constrained clustering [Internet]. Proceedings. 2018 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/CEC.2018.8477858

    • Vancouver

      Covões TF, Hruschka ER. Classification with multi-modal classes using evolutionary algorithms and constrained clustering [Internet]. Proceedings. 2018 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/CEC.2018.8477858

  • Trabalho de evento

    Time series decomposition using spring system applied on phase spaces (2018)

    Duarte, Felipe Simões Lage Gomes; Rios, Ricardo A; Hruschka, Eduardo Raul ; Mello, Rodrigo Fernandes de

    Source: Proceedings. Conference titles: Brazilian Conference on Intelligent Systems - BRACIS. Unidades: EP, ICMC

    Subjects: MODELOS EM SÉRIES TEMPORAIS, PROCESSOS ESTOCÁSTICOS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      DUARTE, Felipe Simões Lage Gomes et al. Time series decomposition using spring system applied on phase spaces. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/BRACIS.2018.00093. Acesso em: 29 maio 2024.

    • APA

      Duarte, F. S. L. G., Rios, R. A., Hruschka, E. R., & Mello, R. F. de. (2018). Time series decomposition using spring system applied on phase spaces. In Proceedings. Piscataway: IEEE. doi:10.1109/BRACIS.2018.00093

    • NLM

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Time series decomposition using spring system applied on phase spaces [Internet]. Proceedings. 2018 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/BRACIS.2018.00093

    • Vancouver

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Time series decomposition using spring system applied on phase spaces [Internet]. Proceedings. 2018 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/BRACIS.2018.00093

  • Artigo de periodico

    An evolutionary algorithm for clustering data streams with a variable number of clusters (2017)

    Silva, Jonathan de Andrade; Hruschka, Eduardo Raul ; Gama, João

    Source: Expert Systems with Applications. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS GENÉTICOS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Jonathan de Andrade e HRUSCHKA, Eduardo Raul e GAMA, João. An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, v. 67, n. Ja 2017, p. 228-238, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2016.09.020. Acesso em: 29 maio 2024.

    • APA

      Silva, J. de A., Hruschka, E. R., & Gama, J. (2017). An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, 67( Ja 2017), 228-238. doi:10.1016/j.eswa.2016.09.020

    • NLM

      Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020

    • Vancouver

      Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020

  • Artigo de periodico

    A support system for clustering data streams with a variable number of clusters (2016)

    Silva, Jonathan de Andrade; Hruschka, Eduardo Raul

    Source: ACM Transactions on Autonomous and Adaptive Systems. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Jonathan de Andrade e HRUSCHKA, Eduardo Raul. A support system for clustering data streams with a variable number of clusters. ACM Transactions on Autonomous and Adaptive Systems, v. 11, n. 2, p. 11:1-11:26, 2016Tradução . . Disponível em: https://doi.org/10.1145/2932704. Acesso em: 29 maio 2024.

    • APA

      Silva, J. de A., & Hruschka, E. R. (2016). A support system for clustering data streams with a variable number of clusters. ACM Transactions on Autonomous and Adaptive Systems, 11( 2), 11:1-11:26. doi:10.1145/2932704

    • NLM

      Silva J de A, Hruschka ER. A support system for clustering data streams with a variable number of clusters [Internet]. ACM Transactions on Autonomous and Adaptive Systems. 2016 ; 11( 2): 11:1-11:26.[citado 2024 maio 29 ] Available from: https://doi.org/10.1145/2932704

    • Vancouver

      Silva J de A, Hruschka ER. A support system for clustering data streams with a variable number of clusters [Internet]. ACM Transactions on Autonomous and Adaptive Systems. 2016 ; 11( 2): 11:1-11:26.[citado 2024 maio 29 ] Available from: https://doi.org/10.1145/2932704

  • Artigo de periodico

    Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features (2016)

    Kanda, Jorge; Carvalho, André Carlos Ponce de Leon Ferreira de ; Hruschka, Eduardo Raul ; Soares, Carlos; Brazdil, Pavel

    Source: Neurocomputing. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, HEURÍSTICA

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      KANDA, Jorge et al. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features. Neurocomputing, v. 205, p. Se 2016, 2016Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2016.04.027. Acesso em: 29 maio 2024.

    • APA

      Kanda, J., Carvalho, A. C. P. de L. F. de, Hruschka, E. R., Soares, C., & Brazdil, P. (2016). Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features. Neurocomputing, 205, Se 2016. doi:10.1016/j.neucom.2016.04.027

    • NLM

      Kanda J, Carvalho ACP de LF de, Hruschka ER, Soares C, Brazdil P. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features [Internet]. Neurocomputing. 2016 ; 205 Se 2016.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.neucom.2016.04.027

    • Vancouver

      Kanda J, Carvalho ACP de LF de, Hruschka ER, Soares C, Brazdil P. Meta-learning to select the best meta-heuristic for the Traveling Salesman Problem: a comparison of meta-features [Internet]. Neurocomputing. 2016 ; 205 Se 2016.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.neucom.2016.04.027

  • Artigo de periodico

    A survey and comparative study of tweet sentiment analysis via semi-supervised learning (2016)

    Silva, Nádia Felix Felipe da; Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul

    Source: ACM Computing Surveys. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Nádia Felix Felipe da e COLETTA, Luiz Fernando Sommaggio e HRUSCHKA, Eduardo Raul. A survey and comparative study of tweet sentiment analysis via semi-supervised learning. ACM Computing Surveys, v. 49, n. Ju 2016, p. 15:1-15:26, 2016Tradução . . Disponível em: https://doi.org/10.1145/2932708. Acesso em: 29 maio 2024.

    • APA

      Silva, N. F. F. da, Coletta, L. F. S., & Hruschka, E. R. (2016). A survey and comparative study of tweet sentiment analysis via semi-supervised learning. ACM Computing Surveys, 49( Ju 2016), 15:1-15:26. doi:10.1145/2932708

    • NLM

      Silva NFF da, Coletta LFS, Hruschka ER. A survey and comparative study of tweet sentiment analysis via semi-supervised learning [Internet]. ACM Computing Surveys. 2016 ; 49( Ju 2016): 15:1-15:26.[citado 2024 maio 29 ] Available from: https://doi.org/10.1145/2932708

    • Vancouver

      Silva NFF da, Coletta LFS, Hruschka ER. A survey and comparative study of tweet sentiment analysis via semi-supervised learning [Internet]. ACM Computing Surveys. 2016 ; 49( Ju 2016): 15:1-15:26.[citado 2024 maio 29 ] Available from: https://doi.org/10.1145/2932708

  • Artigo de periodico

    Evolving Gaussian mixture models with splitting and merging mutation operators (2016)

    Covões, Thiago Ferreira; Hruschka, Eduardo Raul ; Ghosh, Joydeep

    Source: Evolutionary Computation. Unidade: ICMC

    Subjects: COMPUTAÇÃO EVOLUTIVA, ALGORITMOS GENÉTICOS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COVÕES, Thiago Ferreira e HRUSCHKA, Eduardo Raul e GHOSH, Joydeep. Evolving Gaussian mixture models with splitting and merging mutation operators. Evolutionary Computation, v. 24, n. 2, p. 293-317, 2016Tradução . . Disponível em: https://doi.org/10.1162/EVCO_a_00152. Acesso em: 29 maio 2024.

    • APA

      Covões, T. F., Hruschka, E. R., & Ghosh, J. (2016). Evolving Gaussian mixture models with splitting and merging mutation operators. Evolutionary Computation, 24( 2), 293-317. doi:10.1162/EVCO_a_00152

    • NLM

      Covões TF, Hruschka ER, Ghosh J. Evolving Gaussian mixture models with splitting and merging mutation operators [Internet]. Evolutionary Computation. 2016 ; 24( 2): 293-317.[citado 2024 maio 29 ] Available from: https://doi.org/10.1162/EVCO_a_00152

    • Vancouver

      Covões TF, Hruschka ER, Ghosh J. Evolving Gaussian mixture models with splitting and merging mutation operators [Internet]. Evolutionary Computation. 2016 ; 24( 2): 293-317.[citado 2024 maio 29 ] Available from: https://doi.org/10.1162/EVCO_a_00152

  • Artigo de periodico

    Using unsupervised information to improve semi-supervised tweet sentiment classification (2016)

    Silva, Nádia Felix Felipe da; Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael

    Source: Information Sciences. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, MÍDIAS SOCIAIS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Nádia Felix Felipe da et al. Using unsupervised information to improve semi-supervised tweet sentiment classification. Information Sciences, v. 355, p. 348-365, 2016Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2016.02.002. Acesso em: 29 maio 2024.

    • APA

      Silva, N. F. F. da, Coletta, L. F. S., Hruschka, E. R., & Hruschka Junior, E. R. (2016). Using unsupervised information to improve semi-supervised tweet sentiment classification. Information Sciences, 355, 348-365. doi:10.1016/j.ins.2016.02.002

    • NLM

      Silva NFF da, Coletta LFS, Hruschka ER, Hruschka Junior ER. Using unsupervised information to improve semi-supervised tweet sentiment classification [Internet]. Information Sciences. 2016 ; 355 348-365.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.ins.2016.02.002

    • Vancouver

      Silva NFF da, Coletta LFS, Hruschka ER, Hruschka Junior ER. Using unsupervised information to improve semi-supervised tweet sentiment classification [Internet]. Information Sciences. 2016 ; 355 348-365.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.ins.2016.02.002

  • Artigo de periodico

    Using metaheuristics to optimize the combination of classifier and cluster ensembles (2015)

    Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep

    Source: Integrated Computer-Aided Engineering. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. Using metaheuristics to optimize the combination of classifier and cluster ensembles. Integrated Computer-Aided Engineering, v. 22, n. 3, p. 229-242, 2015Tradução . . Disponível em: https://doi.org/10.3233/ICA-150485. Acesso em: 29 maio 2024.

    • APA

      Coletta, L. F. S., Hruschka, E. R., Acharya, A., & Ghosh, J. (2015). Using metaheuristics to optimize the combination of classifier and cluster ensembles. Integrated Computer-Aided Engineering, 22( 3), 229-242. doi:10.3233/ICA-150485

    • NLM

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Using metaheuristics to optimize the combination of classifier and cluster ensembles [Internet]. Integrated Computer-Aided Engineering. 2015 ; 22( 3): 229-242.[citado 2024 maio 29 ] Available from: https://doi.org/10.3233/ICA-150485

    • Vancouver

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Using metaheuristics to optimize the combination of classifier and cluster ensembles [Internet]. Integrated Computer-Aided Engineering. 2015 ; 22( 3): 229-242.[citado 2024 maio 29 ] Available from: https://doi.org/10.3233/ICA-150485

  • Artigo de periodico

    Interactive textual feature selection for consensus clustering (2015)

    Corrêa, Geraldo N; Marcacini, Ricardo M; Hruschka, Eduardo Raul ; Rezende, Solange Oliveira

    Source: Pattern Recognition Letters. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      CORRÊA, Geraldo N et al. Interactive textual feature selection for consensus clustering. Pattern Recognition Letters, v. 52, n. ja 2015, p. 25-31, 2015Tradução . . Disponível em: https://doi.org/10.1016/j.patrec.2014.09.008. Acesso em: 29 maio 2024.

    • APA

      Corrêa, G. N., Marcacini, R. M., Hruschka, E. R., & Rezende, S. O. (2015). Interactive textual feature selection for consensus clustering. Pattern Recognition Letters, 52( ja 2015), 25-31. doi:10.1016/j.patrec.2014.09.008

    • NLM

      Corrêa GN, Marcacini RM, Hruschka ER, Rezende SO. Interactive textual feature selection for consensus clustering [Internet]. Pattern Recognition Letters. 2015 ; 52( ja 2015): 25-31.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.patrec.2014.09.008

    • Vancouver

      Corrêa GN, Marcacini RM, Hruschka ER, Rezende SO. Interactive textual feature selection for consensus clustering [Internet]. Pattern Recognition Letters. 2015 ; 52( ja 2015): 25-31.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.patrec.2014.09.008

  • Artigo de periodico

    Simultaneous co-clustering and learning to address the cold start problem in recommender systems (2015)

    Pereira, Andre Luiz Vizine; Hruschka, Eduardo Raul

    Source: Knowledge-Based Systems. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      PEREIRA, Andre Luiz Vizine e HRUSCHKA, Eduardo Raul. Simultaneous co-clustering and learning to address the cold start problem in recommender systems. Knowledge-Based Systems, v. 82, p. 11-19, 2015Tradução . . Disponível em: https://doi.org/10.1016/j.knosys.2015.02.016. Acesso em: 29 maio 2024.

    • APA

      Pereira, A. L. V., & Hruschka, E. R. (2015). Simultaneous co-clustering and learning to address the cold start problem in recommender systems. Knowledge-Based Systems, 82, 11-19. doi:10.1016/j.knosys.2015.02.016

    • NLM

      Pereira ALV, Hruschka ER. Simultaneous co-clustering and learning to address the cold start problem in recommender systems [Internet]. Knowledge-Based Systems. 2015 ; 82 11-19.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.knosys.2015.02.016

    • Vancouver

      Pereira ALV, Hruschka ER. Simultaneous co-clustering and learning to address the cold start problem in recommender systems [Internet]. Knowledge-Based Systems. 2015 ; 82 11-19.[citado 2024 maio 29 ] Available from: https://doi.org/10.1016/j.knosys.2015.02.016

  • Artigo de periodico

    A differential evolution algorithm to optimise the combination of classifier and cluster ensembles (2015)

    Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep

    Source: International Journal of Bio-Inspired Computation. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles. International Journal of Bio-Inspired Computation, v. 7, n. 2, p. 111-124, 2015Tradução . . Disponível em: https://doi.org/10.1504/IJBIC.2015.069288. Acesso em: 29 maio 2024.

    • APA

      Coletta, L. F. S., Hruschka, E. R., Acharya, A., & Ghosh, J. (2015). A differential evolution algorithm to optimise the combination of classifier and cluster ensembles. International Journal of Bio-Inspired Computation, 7( 2), 111-124. doi:10.1504/IJBIC.2015.069288

    • NLM

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles [Internet]. International Journal of Bio-Inspired Computation. 2015 ; 7( 2): 111-124.[citado 2024 maio 29 ] Available from: https://doi.org/10.1504/IJBIC.2015.069288

    • Vancouver

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles [Internet]. International Journal of Bio-Inspired Computation. 2015 ; 7( 2): 111-124.[citado 2024 maio 29 ] Available from: https://doi.org/10.1504/IJBIC.2015.069288

  • Parte de monografia/livro

    Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária (2014)

    Gonzaga, André; Mudadu, Maurício de A; Higa, Roberto H; Hruschka, Eduardo Raul

    Source: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS, MELHORAMENTO GENÉTICO ANIMAL, PECUÁRIA

    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GONZAGA, André et al. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Tradução . Brasília: Embrapa, 2014. . . Acesso em: 29 maio 2024.

    • APA

      Gonzaga, A., Mudadu, M. de A., Higa, R. H., & Hruschka, E. R. (2014). Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa.

    • NLM

      Gonzaga A, Mudadu M de A, Higa RH, Hruschka ER. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa; 2014. [citado 2024 maio 29 ]

    • Vancouver

      Gonzaga A, Mudadu M de A, Higa RH, Hruschka ER. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa; 2014. [citado 2024 maio 29 ]

  • Trabalho de evento

    Privileged information for hierarchical document clustering: a metric learning approach (2014)

    Marcacini, Ricardo M; Domingues, Marcos A; Hruschka, Eduardo Raul ; Rezende, Solange Oliveira

    Source: Proceedings. Conference titles: International Conference on Pattern Recognition - ICPR. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS, APRENDIZADO COMPUTACIONAL

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MARCACINI, Ricardo M et al. Privileged information for hierarchical document clustering: a metric learning approach. 2014, Anais.. Los Alamitos: Conference Publishing Services, 2014. Disponível em: https://doi.org/10.1109/ICPR.2014.625. Acesso em: 29 maio 2024.

    • APA

      Marcacini, R. M., Domingues, M. A., Hruschka, E. R., & Rezende, S. O. (2014). Privileged information for hierarchical document clustering: a metric learning approach. In Proceedings. Los Alamitos: Conference Publishing Services. doi:10.1109/ICPR.2014.625

    • NLM

      Marcacini RM, Domingues MA, Hruschka ER, Rezende SO. Privileged information for hierarchical document clustering: a metric learning approach [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/ICPR.2014.625

    • Vancouver

      Marcacini RM, Domingues MA, Hruschka ER, Rezende SO. Privileged information for hierarchical document clustering: a metric learning approach [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/ICPR.2014.625

  • Trabalho de evento

    Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble (2014)

    Silva, Nádia Felix Felipe da; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael

    Source: Proceedings. Conference titles: International Workshop on Semantic Evaluation - SemEval. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, WEB SEMÂNTICA, MÍDIAS SOCIAIS

    Acesso à fonteHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Nádia Felix Felipe da e HRUSCHKA, Eduardo Raul e HRUSCHKA JUNIOR, Estevam Rafael. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble. 2014, Anais.. Stroudsburg: ACL, 2014. Disponível em: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf. Acesso em: 29 maio 2024.

    • APA

      Silva, N. F. F. da, Hruschka, E. R., & Hruschka Junior, E. R. (2014). Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble. In Proceedings. Stroudsburg: ACL. Recuperado de http://www.aclweb.org/anthology/S/S14/S14-2017.pdf

    • NLM

      Silva NFF da, Hruschka ER, Hruschka Junior ER. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf

    • Vancouver

      Silva NFF da, Hruschka ER, Hruschka Junior ER. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf

  • Trabalho de evento

    Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão (2014)

    Guerra, Pedro Calais; Nakamura, Rodrigo Yuji Mizobe; Hruschka, Eduardo Raul

    Source: Proceedings. Conference titles: Symposium on Knowledge Discovery, Mining and Learning - KDMiLe. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, BANCO DE DADOS

    Acesso à fonteHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GUERRA, Pedro Calais e NAKAMURA, Rodrigo Yuji Mizobe e HRUSCHKA, Eduardo Raul. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão. 2014, Anais.. São Carlos: ICMC-USP, 2014. Disponível em: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf. Acesso em: 29 maio 2024.

    • APA

      Guerra, P. C., Nakamura, R. Y. M., & Hruschka, E. R. (2014). Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão. In Proceedings. São Carlos: ICMC-USP. Recuperado de http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf

    • NLM

      Guerra PC, Nakamura RYM, Hruschka ER. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf

    • Vancouver

      Guerra PC, Nakamura RYM, Hruschka ER. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf

  • Trabalho de evento

    Combining classification and clustering for tweet sentiment analysis (2014)

    Coletta, Luiz Fernando Sommaggio ; Silva, Nádia Felix Felipe da; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael

    Source: Proceedings. Conference titles: Brazilian Conference on Intelligent Systems - BRACIS. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, WEB SEMÂNTICA, MÍDIAS SOCIAIS

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. Combining classification and clustering for tweet sentiment analysis. 2014, Anais.. Los Alamitos: Conference Publishing Services, 2014. Disponível em: https://doi.org/10.1109/BRACIS.2014.46. Acesso em: 29 maio 2024.

    • APA

      Coletta, L. F. S., Silva, N. F. F. da, Hruschka, E. R., & Hruschka Junior, E. R. (2014). Combining classification and clustering for tweet sentiment analysis. In Proceedings. Los Alamitos: Conference Publishing Services. doi:10.1109/BRACIS.2014.46

    • NLM

      Coletta LFS, Silva NFF da, Hruschka ER, Hruschka Junior ER. Combining classification and clustering for tweet sentiment analysis [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/BRACIS.2014.46

    • Vancouver

      Coletta LFS, Silva NFF da, Hruschka ER, Hruschka Junior ER. Combining classification and clustering for tweet sentiment analysis [Internet]. Proceedings. 2014 ;[citado 2024 maio 29 ] Available from: https://doi.org/10.1109/BRACIS.2014.46

  • Artigo de periodico

    An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning (2014)

    Acharya, Ayan; Hruschka, Eduardo Raul ; Ghosh, Joydeep; Acharyya, Sreangsu

    Source: ACM Transactions on Knowledge Discovery from Data. Unidade: ICMC

    Subjects: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS, VISÃO COMPUTACIONAL

    Acesso à fonteDOIHow to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      ACHARYA, Ayan et al. An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning. ACM Transactions on Knowledge Discovery from Data, v. 9, n. 1, p. 1:1-1:35, 2014Tradução . . Disponível em: https://doi.org/10.1145/2601435. Acesso em: 29 maio 2024.

    • APA

      Acharya, A., Hruschka, E. R., Ghosh, J., & Acharyya, S. (2014). An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning. ACM Transactions on Knowledge Discovery from Data, 9( 1), 1:1-1:35. doi:10.1145/2601435

    • NLM

      Acharya A, Hruschka ER, Ghosh J, Acharyya S. An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning [Internet]. ACM Transactions on Knowledge Discovery from Data. 2014 ; 9( 1): 1:1-1:35.[citado 2024 maio 29 ] Available from: https://doi.org/10.1145/2601435

    • Vancouver

      Acharya A, Hruschka ER, Ghosh J, Acharyya S. An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning [Internet]. ACM Transactions on Knowledge Discovery from Data. 2014 ; 9( 1): 1:1-1:35.[citado 2024 maio 29 ] Available from: https://doi.org/10.1145/2601435

1 - 20 (70 records)

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2024