A meta-learning approach for recommending the number of clusters for clustering algorithms (2020)
- Authors:
- USP affiliated authors: CARVALHO, ANDRÉ CARLOS PONCE DE LEON FERREIRA DE - ICMC ; PIMENTEL, BRUNO ALMEIDA - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.knosys.2020.105682
- Subjects: APRENDIZADO COMPUTACIONAL; RECONHECIMENTO DE PADRÕES; ALGORITMOS ÚTEIS E ESPECÍFICOS
- Keywords: Meta-learning; Recommendation; Number of clusters; Clustering
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Knowledge-Based Systems
- ISSN: 0950-7051
- Volume/Número/Paginação/Ano: v. 195, p. 1-14, May 2020
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
PIMENTEL, Bruno Almeida e CARVALHO, André Carlos Ponce de Leon Ferreira de. A meta-learning approach for recommending the number of clusters for clustering algorithms. Knowledge-Based Systems, v. 195, p. 1-14, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.knosys.2020.105682. Acesso em: 28 dez. 2025. -
APA
Pimentel, B. A., & Carvalho, A. C. P. de L. F. de. (2020). A meta-learning approach for recommending the number of clusters for clustering algorithms. Knowledge-Based Systems, 195, 1-14. doi:10.1016/j.knosys.2020.105682 -
NLM
Pimentel BA, Carvalho ACP de LF de. A meta-learning approach for recommending the number of clusters for clustering algorithms [Internet]. Knowledge-Based Systems. 2020 ; 195 1-14.[citado 2025 dez. 28 ] Available from: https://doi.org/10.1016/j.knosys.2020.105682 -
Vancouver
Pimentel BA, Carvalho ACP de LF de. A meta-learning approach for recommending the number of clusters for clustering algorithms [Internet]. Knowledge-Based Systems. 2020 ; 195 1-14.[citado 2025 dez. 28 ] Available from: https://doi.org/10.1016/j.knosys.2020.105682 - Unsupervised meta-learning for clustering algorithm recommendation
- Explainable machine learning algorithms for predicting glass transition temperatures
- Reduction strategies for hierarchical multi-label classification in protein function prediction
- Intelligent-guided adaptive search for the maximum covering location problem
- Clus-DTI: improving decision-tree classification with a clustering-based decision-tree induction algorithm
- A density-based clustering approach for behavior change detection in data streams
- Automatic selection of learning bias for active sampling
- Deep learning for biological image classification
- Viabilidade do aprendizado ativo em máquinas extremas
- Multi-objective optimization applied to systematic conservation planning and spatial conservation priorities under climate change
Informações sobre o DOI: 10.1016/j.knosys.2020.105682 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
2991650.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
