ReP USP - Resultado da busca

Tese (Doutorado)
Semi-supervised learning approaches with applications in Medicinal Chemistry (2019)
Gertrudes, Jadson Castro
Unidade: ICMC
Subjects: BIG DATA, FRAMEWORKS, QUÍMICA MÉDICA, APRENDIZADO COMPUTACIONAL, ESTRUTURA QUÍMICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GERTRUDES, Jadson Castro. Semi-supervised learning approaches with applications in Medicinal Chemistry. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/. Acesso em: 20 jan. 2026.
APA
Gertrudes, J. C. (2019). Semi-supervised learning approaches with applications in Medicinal Chemistry (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/
NLM
Gertrudes JC. Semi-supervised learning approaches with applications in Medicinal Chemistry [Internet]. 2019 ;[citado 2026 jan. 20 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/
Vancouver
Gertrudes JC. Semi-supervised learning approaches with applications in Medicinal Chemistry [Internet]. 2019 ;[citado 2026 jan. 20 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22082019-105334/
Artigo de periodico
A unified view of density-based methods for semi-supervised clustering and classification (2019)
Gertrudes, Jadson Castro ; Zimek, Arthur ; Sander, Jörg ; Campello, Ricardo José Gabrielli Barreto
Source: Data Mining and Knowledge Discovery. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GERTRUDES, Jadson Castro et al. A unified view of density-based methods for semi-supervised clustering and classification. Data Mining and Knowledge Discovery, v. No 2019, n. 6, p. 1894-1952, 2019Tradução . . Disponível em: https://doi.org/10.1007/s10618-019-00651-1. Acesso em: 20 jan. 2026.
APA
Gertrudes, J. C., Zimek, A., Sander, J., & Campello, R. J. G. B. (2019). A unified view of density-based methods for semi-supervised clustering and classification. Data Mining and Knowledge Discovery, No 2019( 6), 1894-1952. doi:10.1007/s10618-019-00651-1
NLM
Gertrudes JC, Zimek A, Sander J, Campello RJGB. A unified view of density-based methods for semi-supervised clustering and classification [Internet]. Data Mining and Knowledge Discovery. 2019 ; No 2019( 6): 1894-1952.[citado 2026 jan. 20 ] Available from: https://doi.org/10.1007/s10618-019-00651-1
Vancouver
Gertrudes JC, Zimek A, Sander J, Campello RJGB. A unified view of density-based methods for semi-supervised clustering and classification [Internet]. Data Mining and Knowledge Discovery. 2019 ; No 2019( 6): 1894-1952.[citado 2026 jan. 20 ] Available from: https://doi.org/10.1007/s10618-019-00651-1
Artigo de periodico
Semi-supervised time series classification on positive and unlabeled problems using cross-recurrence quantification analysis (2018)
Pagliosa, Lucas de Carvalho; Mello, Rodrigo Fernandes de
Source: Pattern Recognition. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ANÁLISE DE SÉRIES TEMPORAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PAGLIOSA, Lucas de Carvalho e MELLO, Rodrigo Fernandes de. Semi-supervised time series classification on positive and unlabeled problems using cross-recurrence quantification analysis. Pattern Recognition, v. 80, p. 53-63, 2018Tradução . . Disponível em: https://doi.org/10.1016/j.patcog.2018.02.030. Acesso em: 20 jan. 2026.
APA
Pagliosa, L. de C., & Mello, R. F. de. (2018). Semi-supervised time series classification on positive and unlabeled problems using cross-recurrence quantification analysis. Pattern Recognition, 80, 53-63. doi:10.1016/j.patcog.2018.02.030
NLM
Pagliosa L de C, Mello RF de. Semi-supervised time series classification on positive and unlabeled problems using cross-recurrence quantification analysis [Internet]. Pattern Recognition. 2018 ; 80 53-63.[citado 2026 jan. 20 ] Available from: https://doi.org/10.1016/j.patcog.2018.02.030
Vancouver
Pagliosa L de C, Mello RF de. Semi-supervised time series classification on positive and unlabeled problems using cross-recurrence quantification analysis [Internet]. Pattern Recognition. 2018 ; 80 53-63.[citado 2026 jan. 20 ] Available from: https://doi.org/10.1016/j.patcog.2018.02.030
Trabalho de evento
A unified framework of density-based clustering for semi-supervised classification (2018)
Gertrudes, Jadson Castro; Zimek, Arthur; Sander, Jörg; Campello, Ricardo José Gabrielli Barreto
Source: Proceedings. Conference titles: International Conference on Scientific and Statistical Database Management - SSDBM. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GERTRUDES, Jadson Castro et al. A unified framework of density-based clustering for semi-supervised classification. 2018, Anais.. New York: ACM, 2018. Disponível em: https://doi.org/10.1145/3221269.3223037. Acesso em: 20 jan. 2026.
APA
Gertrudes, J. C., Zimek, A., Sander, J., & Campello, R. J. G. B. (2018). A unified framework of density-based clustering for semi-supervised classification. In Proceedings. New York: ACM. doi:10.1145/3221269.3223037
NLM
Gertrudes JC, Zimek A, Sander J, Campello RJGB. A unified framework of density-based clustering for semi-supervised classification [Internet]. Proceedings. 2018 ;[citado 2026 jan. 20 ] Available from: https://doi.org/10.1145/3221269.3223037
Vancouver
Gertrudes JC, Zimek A, Sander J, Campello RJGB. A unified framework of density-based clustering for semi-supervised classification [Internet]. Proceedings. 2018 ;[citado 2026 jan. 20 ] Available from: https://doi.org/10.1145/3221269.3223037
Dissertação (Mestrado)
Classificação semissupervisionada de séries temporais extraídas de imagens de satélite (2016)
Amaral, Bruno Ferraz do; Sousa, Elaine Parros Machado de (Orientador)
Unidade: ICMC
Subjects: MINERAÇÃO DE DADOS, ANÁLISE DE SÉRIES TEMPORAIS, GRAFOS ALEATÓRIOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
AMARAL, Bruno Ferraz do. Classificação semissupervisionada de séries temporais extraídas de imagens de satélite. 2016. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/. Acesso em: 20 jan. 2026.
APA
Amaral, B. F. do. (2016). Classificação semissupervisionada de séries temporais extraídas de imagens de satélite (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/
NLM
Amaral BF do. Classificação semissupervisionada de séries temporais extraídas de imagens de satélite [Internet]. 2016 ;[citado 2026 jan. 20 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/
Vancouver
Amaral BF do. Classificação semissupervisionada de séries temporais extraídas de imagens de satélite [Internet]. 2016 ;[citado 2026 jan. 20 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/

USP Schools

ReP

Filtros

Authors

Subjects

Funding Agencies

Indexado em