Hierarchical density estimates for data clustering, visualization, and outlier detection (2015)
- Authors:
- Autor USP: CAMPELLO, RICARDO JOSÉ GABRIELLI BARRETO - ICMC
- Unidade: ICMC
- DOI: 10.1145/2733381
- Subjects: INTELIGÊNCIA ARTIFICIAL; MINERAÇÃO DE DADOS; RECUPERAÇÃO DA INFORMAÇÃO; RECONHECIMENTO DE PADRÕES
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: ACM Transactions on Knowledge Discovery from Data
- ISSN: 1556-4681
- Volume/Número/Paginação/Ano: v. 10, n. 1, p. 5:1-5:51, Jul. 2015
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
CAMPELLO, Ricardo José Gabrielli Barreto et al. Hierarchical density estimates for data clustering, visualization, and outlier detection. ACM Transactions on Knowledge Discovery from Data, v. 10, n. 1, p. 5:1-5:51, 2015Tradução . . Disponível em: https://doi.org/10.1145/2733381. Acesso em: 16 abr. 2024. -
APA
Campello, R. J. G. B., Moulavi, D., Zimek, A., & Sander, J. (2015). Hierarchical density estimates for data clustering, visualization, and outlier detection. ACM Transactions on Knowledge Discovery from Data, 10( 1), 5:1-5:51. doi:10.1145/2733381 -
NLM
Campello RJGB, Moulavi D, Zimek A, Sander J. Hierarchical density estimates for data clustering, visualization, and outlier detection [Internet]. ACM Transactions on Knowledge Discovery from Data. 2015 ; 10( 1): 5:1-5:51.[citado 2024 abr. 16 ] Available from: https://doi.org/10.1145/2733381 -
Vancouver
Campello RJGB, Moulavi D, Zimek A, Sander J. Hierarchical density estimates for data clustering, visualization, and outlier detection [Internet]. ACM Transactions on Knowledge Discovery from Data. 2015 ; 10( 1): 5:1-5:51.[citado 2024 abr. 16 ] Available from: https://doi.org/10.1145/2733381 - 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
- Evolutionary k-means for distributed data sets
- Active learning strategies for semi-supervised DBSCAN
- Asymmetric Volterra models based on ladder-structured generalized orthonormal basis functions
Informações sobre o DOI: 10.1145/2733381 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
