Combining instance selection and self-training to improve data stream quantification (2018)
- Authors:
- Autor USP: BATISTA, GUSTAVO ENRIQUE DE ALMEIDA PRADO ALVES - ICMC
- Unidade: ICMC
- DOI: 10.1186/s13173-018-0076-0
- Subjects: APRENDIZADO COMPUTACIONAL; ANÁLISE DE SÉRIES TEMPORAIS
- Keywords: Data stream; Quantification; Concept drift
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Heidelberg
- Date published: 2018
- Source:
- Título: Journal of the Brazilian Computer Society
- ISSN: 1678-4804
- Volume/Número/Paginação/Ano: v. 24, p. 1-17, 2018
- Este artigo possui versão em acesso aberto
- URL de acesso aberto
- PDF de acesso aberto
- Versão do Documento: Versão publicada (Published version)
-
Status: Artigo publicado em periódico de acesso aberto (Gold Open Access) -
ABNT
MALETZKE, André Gustavo e REIS, Denis Moreira dos e BATISTA, Gustavo Enrique de Almeida Prado Alves. Combining instance selection and self-training to improve data stream quantification. Journal of the Brazilian Computer Society, v. 24, p. 1-17, 2018Tradução . . Disponível em: https://doi.org/10.1186/s13173-018-0076-0. Acesso em: 15 mar. 2026. -
APA
Maletzke, A. G., Reis, D. M. dos, & Batista, G. E. de A. P. A. (2018). Combining instance selection and self-training to improve data stream quantification. Journal of the Brazilian Computer Society, 24, 1-17. doi:10.1186/s13173-018-0076-0 -
NLM
Maletzke AG, Reis DM dos, Batista GE de APA. Combining instance selection and self-training to improve data stream quantification [Internet]. Journal of the Brazilian Computer Society. 2018 ; 24 1-17.[citado 2026 mar. 15 ] Available from: https://doi.org/10.1186/s13173-018-0076-0 -
Vancouver
Maletzke AG, Reis DM dos, Batista GE de APA. Combining instance selection and self-training to improve data stream quantification [Internet]. Journal of the Brazilian Computer Society. 2018 ; 24 1-17.[citado 2026 mar. 15 ] Available from: https://doi.org/10.1186/s13173-018-0076-0 - Time series classification with motifs and characteristics
- Uma avaliação sobre a identificação de Motifs em séries temporais
- A fuzzy classifier for data streams with infinitely delayed labels
- Fast unsupervised online drift detection using incremental Kolmogorov-Smirnov test
- A complexity-invariant measure based on fractal dimension for time series classification
- Towards automatic classification on flying insects using inexpensive sensors
- Data mining a trillion time series subsequences under dynamic time warping
- Distância invariante à complexidade baseada em dimensão fractal para classificação de séries temporais
- Unsupervised context switch for classification tasks on data streams with recurrent concepts
- On the need of class ratio insensitive drift tests for data streams
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
