Improving k-means through distributed scalable metaheuristics (2017)
- Authors:
- Autor USP: CAMPELLO, RICARDO JOSÉ GABRIELLI BARRETO - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.neucom.2016.07.074
- Subjects: INTELIGÊNCIA ARTIFICIAL; ALGORITMOS; MINERAÇÃO DE DADOS; HEURÍSTICA; ALGORITMOS GENÉTICOS
- Keywords: k-means; Metaheuristics; Evolutionary algorithms; Optimization; Distributed algorithms; MapReduce; Scalability
- Language: Inglês
- Imprenta:
- Source:
- Título: Neurocomputing
- ISSN: 0925-2312
- Volume/Número/Paginação/Ano: v. 246, p. 45-57, July 2017
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
OLIVEIRA, G. V et al. Improving k-means through distributed scalable metaheuristics. Neurocomputing, v. 246, p. 45-57, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2016.07.074. Acesso em: 11 jan. 2026. -
APA
Oliveira, G. V., Coutinho, F. P., Campello, R. J. G. B., & Naldi, M. C. (2017). Improving k-means through distributed scalable metaheuristics. Neurocomputing, 246, 45-57. doi:10.1016/j.neucom.2016.07.074 -
NLM
Oliveira GV, Coutinho FP, Campello RJGB, Naldi MC. Improving k-means through distributed scalable metaheuristics [Internet]. Neurocomputing. 2017 ; 246 45-57.[citado 2026 jan. 11 ] Available from: https://doi.org/10.1016/j.neucom.2016.07.074 -
Vancouver
Oliveira GV, Coutinho FP, Campello RJGB, Naldi MC. Improving k-means through distributed scalable metaheuristics [Internet]. Neurocomputing. 2017 ; 246 45-57.[citado 2026 jan. 11 ] Available from: https://doi.org/10.1016/j.neucom.2016.07.074 - A cluster based hybrid feature selection approach
- Ensembles for unsupervised outlier detection: challenges and research questions
- Communities validity: methodical evaluation of community mining algorithms
- Efficient computation of multiple density-based clustering hierarchies
- Relative validity criteria for community mining algorithms
- Identificação e controle de processos via desenvolvimentos em séries ortonormais: parte B: controle preditivo
- A fuzzy extension of the rand index and other related indexes for clustering and classification assessment
- On the selection of appropriate distances for gene expression data clustering
- Proximity measures for clustering gene expression microarray data: a validation methodology and a comparative analysis
- Clustering of RNA-Seq samples: comparison study on cancer data
Informações sobre o DOI: 10.1016/j.neucom.2016.07.074 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
