ReliefF for multi-label feature selection (2013)
- Authors:
- Autor USP: MONARD, MARIA CAROLINA - ICMC
- Unidade: ICMC
- DOI: 10.1109/BRACIS.2013.10
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- Publisher: Conference Publishing Services
- Publisher place: Los Alamitos
- Date published: 2013
- ISBN: 9780769550923
- Source:
- Título: Proceedings
- Conference titles: Brazilian Conference on Intelligent Systems - BRACIS
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SPOLAÔR, Newton et al. ReliefF for multi-label feature selection. 2013, Anais.. Los Alamitos: Conference Publishing Services, 2013. Disponível em: https://doi.org/10.1109/BRACIS.2013.10. Acesso em: 22 fev. 2026. -
APA
Spolaôr, N., Cherman, E. A., Monard, M. C., & Lee, H. D. (2013). ReliefF for multi-label feature selection. In Proceedings. Los Alamitos: Conference Publishing Services. doi:10.1109/BRACIS.2013.10 -
NLM
Spolaôr N, Cherman EA, Monard MC, Lee HD. ReliefF for multi-label feature selection [Internet]. Proceedings. 2013 ;[citado 2026 fev. 22 ] Available from: https://doi.org/10.1109/BRACIS.2013.10 -
Vancouver
Spolaôr N, Cherman EA, Monard MC, Lee HD. ReliefF for multi-label feature selection [Internet]. Proceedings. 2013 ;[citado 2026 fev. 22 ] Available from: https://doi.org/10.1109/BRACIS.2013.10 - An analysis of four missing data treatment methods for supervised learning
- Aplicação de métodos de séries temporais para a identificação de seções em exames de manometria anorretal
- A framework to integrate data mining components
- Mapeamento de dados não-estruturados para bases de dados estruturadas
- Extensões do algoritmo de aprendizado de máquina multirrótulo BRkNN
- Algoritmos de aprendizado baseado em grafos para classificação multirrótulo
- Lazy multi-label learning algorithms based on mutuality strategies
- Um algoritmo para selecionar regras de conhecimento utilizando medidas de avaliação de regras. (CDROM)
- An integrated environment for data mining
- Constructing ensembles of symbolic classifiers
Informações sobre o DOI: 10.1109/BRACIS.2013.10 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
