How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices (2021)
- Authors:
- USP affiliated authors: NAGANO, MARCELO SEIDO - EESC ; FRÓES, NÁDIA JUNQUEIRA MARTARELLI - EESC
- Unidade: EESC
- Sigla do Departamento: SEP
- DOI: 10.1016/j.mlwa.2021.100056
- Subjects: PESQUISA CIENTÍFICA; REVISÃO SISTEMÁTICA
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher: Elsevier BV
- Publisher place: Amsterdam
- Date published: 2021
- Source:
- Título: Machine Learning with Applications
- ISSN: 2666-8270
- Volume/Número/Paginação/Ano: v. 5, 100056, Sep. 2021
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MARTARELLI, Nádia Junqueira e NAGANO, Marcelo Seido. How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices. Machine Learning with Applications, v. 5, p. Se 2021, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.mlwa.2021.100056. Acesso em: 04 abr. 2026. -
APA
Martarelli, N. J., & Nagano, M. S. (2021). How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices. Machine Learning with Applications, 5, Se 2021. doi:10.1016/j.mlwa.2021.100056 -
NLM
Martarelli NJ, Nagano MS. How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices [Internet]. Machine Learning with Applications. 2021 ; 5 Se 2021.[citado 2026 abr. 04 ] Available from: https://doi.org/10.1016/j.mlwa.2021.100056 -
Vancouver
Martarelli NJ, Nagano MS. How have high-impact scientific studies designing their experiments on mixed data clustering? A systematic map to guide better choices [Internet]. Machine Learning with Applications. 2021 ; 5 Se 2021.[citado 2026 abr. 04 ] Available from: https://doi.org/10.1016/j.mlwa.2021.100056 - Uma abordagem construtiva do algoritmo genético para a seleção de atributos no agrupamento de dados
- High-performing heuristics to minimize flowtime in no-idle permutation flowshop
- Socioeconomic class Of brazilian cities for health, education and employment & income IFDM: a clustering data analysis
- Contributions to the mixed data clustering problem: from a conceptual codification and classification proposal to the usage of optimization methods
- Seleção de atributos em agrupamento de dados utilizando algoritmos evolutivos
- Otimização do saldo de caixa com algoritmos genéticos: um estudo relacionando cruzamento e mutação no modelo de Miller e Orr
- O capital de relacionamento como estratégia de qualidade
- Interação e cooperação em arranjos produtivos locais: identificação e análise dos fatores inibidores
- Otimização do investimento em saldo de caixa: um complemento ao modelo de Miller e Orr
- Heurística evolutiva para a minimização da duração total da programação em sistemas de produção no-idle flow shop
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.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
1-s2.0-S2666827021000268-... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
