A non-parametric method to estimate the number of clusters (2014)
- Authors:
- USP affiliated authors: FUJITA, ANDRÉ - IME ; PATRIOTA, ALEXANDRE GALVÃO - IME
- Unidade: IME
- DOI: 10.1016/j.csda.2013.11.012
- Subjects: BIOINFORMÁTICA; ESTATÍSTICA COMPUTACIONAL; ANÁLISE DE CONGLOMERADOS; ANÁLISE ESPECTRAL (ANÁLISE DE SÉRIES TEMPORAIS); HEURÍSTICA
- Keywords: Clustering; Silhouette method; k-means; Spectral clustering
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Computational Statistics & Data Analysis
- ISSN: 0167-9473
- Volume/Número/Paginação/Ano: v. 73, p. 27-39, 2014
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
FUJITA, André e TAKAHASHI, Daniel Yasumasa e PATRIOTA, Alexandre Galvão. A non-parametric method to estimate the number of clusters. Computational Statistics & Data Analysis, v. 73, p. 27-39, 2014Tradução . . Disponível em: https://doi.org/10.1016/j.csda.2013.11.012. Acesso em: 21 out. 2024. -
APA
Fujita, A., Takahashi, D. Y., & Patriota, A. G. (2014). A non-parametric method to estimate the number of clusters. Computational Statistics & Data Analysis, 73, 27-39. doi:10.1016/j.csda.2013.11.012 -
NLM
Fujita A, Takahashi DY, Patriota AG. A non-parametric method to estimate the number of clusters [Internet]. Computational Statistics & Data Analysis. 2014 ; 73 27-39.[citado 2024 out. 21 ] Available from: https://doi.org/10.1016/j.csda.2013.11.012 -
Vancouver
Fujita A, Takahashi DY, Patriota AG. A non-parametric method to estimate the number of clusters [Internet]. Computational Statistics & Data Analysis. 2014 ; 73 27-39.[citado 2024 out. 21 ] Available from: https://doi.org/10.1016/j.csda.2013.11.012 - ANOCVA: a nonparametric statistical test to compare clustering structures
- Functional clustering of time series gene expression data by Granger causality
- A non-parametric statistical test to compare clusters with applications in functional magnetic resonance imaging data
- Análise de dados de expressão gênica: normalização de microarrays e modelagem de redes regulatórias
- Identifying regulational alterations in gene regulatory networks by state space representation of vector autoregressive models and variational annealing
- Potential confounders in the analysis of Brazilian adolescent’s health: a combination of machine learning and graph theory
- Modelo funcional heterocedástico com erro nas variáveis: uma abordagem para medidas repetidas
- On estimating the boundaries of a uniform distribution under additive measurement errors
- A measure of evidence based on the likelihood-ratio statistics
- The likelihood-ratio measure
Informações sobre o DOI: 10.1016/j.csda.2013.11.012 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
