Similarity measures for comparing biclusterings (2014)
- Authors:
- Autor USP: CAMPELLO, RICARDO JOSÉ GABRIELLI BARRETO - ICMC
- Unidade: ICMC
- DOI: 10.1109/TCBB.2014.2325016
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- Publisher place: Los Alamitos
- Date published: 2014
- Source:
- Título: IEEE/ACM Transactions on Computational Biology and Bioinformatics
- ISSN: 1545-5963
- Volume/Número/Paginação/Ano: v. 11, n. 5, p. 942-954, set./out. 2014
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
HORTA, Danilo e CAMPELLO, Ricardo José Gabrielli Barreto. Similarity measures for comparing biclusterings. IEEE/ACM Transactions on Computational Biology and Bioinformatics, v. 11, n. 5, p. 942-954, 2014Tradução . . Disponível em: https://doi.org/10.1109/TCBB.2014.2325016. Acesso em: 28 mar. 2026. -
APA
Horta, D., & Campello, R. J. G. B. (2014). Similarity measures for comparing biclusterings. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 11( 5), 942-954. doi:10.1109/TCBB.2014.2325016 -
NLM
Horta D, Campello RJGB. Similarity measures for comparing biclusterings [Internet]. IEEE/ACM Transactions on Computational Biology and Bioinformatics. 2014 ; 11( 5): 942-954.[citado 2026 mar. 28 ] Available from: https://doi.org/10.1109/TCBB.2014.2325016 -
Vancouver
Horta D, Campello RJGB. Similarity measures for comparing biclusterings [Internet]. IEEE/ACM Transactions on Computational Biology and Bioinformatics. 2014 ; 11( 5): 942-954.[citado 2026 mar. 28 ] Available from: https://doi.org/10.1109/TCBB.2014.2325016 - Density-based clustering validation
- Relative validity criteria for community mining algorithms
- Active learning strategies for semi-supervised DBSCAN
- On the evaluation of outlier detection and one-class classification methods
- 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
- Exact search directions for optimization of linear and nonlinear models based on generalized orthonormal functions
- A cluster based hybrid feature selection approach
- A unified framework of density-based clustering for semi-supervised classification
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
