Littérature scientifique sur le sujet « Model-based Cluster »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « Model-based Cluster ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Articles de revues sur le sujet "Model-based Cluster"
Younghwan Kim, Younghwan Kim, et Huy Kang Kim Younghwan Kim. « Cluster-based Deep One-Class Classification Model for Anomaly Detection ». 網際網路技術學刊 22, no 4 (juillet 2021) : 903–11. http://dx.doi.org/10.53106/160792642021072204017.
Texte intégralBanerjee, Saibal, et Azriel Rosenfeld. « Model-based cluster analysis ». Pattern Recognition 26, no 6 (juin 1993) : 963–74. http://dx.doi.org/10.1016/0031-3203(93)90061-z.
Texte intégralStahl, Daniel, et Hannah Sallis. « Model-based cluster analysis ». Wiley Interdisciplinary Reviews : Computational Statistics 4, no 4 (15 mars 2012) : 341–58. http://dx.doi.org/10.1002/wics.1204.
Texte intégralEndo, Yasunori, Ayako Heki et Yukihiro Hamasuna. « Non Metric Model Based on Rough Set Representation ». Journal of Advanced Computational Intelligence and Intelligent Informatics 17, no 4 (20 juillet 2013) : 540–51. http://dx.doi.org/10.20965/jaciii.2013.p0540.
Texte intégralHuang, He, et Hui Xiao. « Internet Industry Cluster Design Based on PDE Mathematical Model ». Applied Mechanics and Materials 539 (juillet 2014) : 959–63. http://dx.doi.org/10.4028/www.scientific.net/amm.539.959.
Texte intégralLim, Michael K., et So Young Sohn. « Cluster-based dynamic scoring model ». Expert Systems with Applications 32, no 2 (février 2007) : 427–31. http://dx.doi.org/10.1016/j.eswa.2005.12.006.
Texte intégralFang, Yong Heng, et Jing Yi Yi. « Study on Evolution Mechanism of Industrial Cluster Based on Brusselator Model ». Applied Mechanics and Materials 687-691 (novembre 2014) : 4832–35. http://dx.doi.org/10.4028/www.scientific.net/amm.687-691.4832.
Texte intégralLahoorpoor, Bahman, Hamed Faroqi, Abolghasem Sadeghi-Niaraki et Soo-Mi Choi. « Spatial Cluster-Based Model for Static Rebalancing Bike Sharing Problem ». Sustainability 11, no 11 (8 juin 2019) : 3205. http://dx.doi.org/10.3390/su11113205.
Texte intégralXi, Yaoyi, Gang Chen, Bicheng Li et Yongwang Tang. « Topic Evolution Analysis Based on Cluster Topic Model ». Journal of Advanced Computational Intelligence and Intelligent Informatics 20, no 1 (19 janvier 2016) : 66–75. http://dx.doi.org/10.20965/jaciii.2016.p0066.
Texte intégralTeo, Boon K., et Hong Zhang. « Cluster of clusters (C2) model for electron counting of supracluster based on smaller cluster units ». Inorganica Chimica Acta 144, no 2 (avril 1988) : 173–76. http://dx.doi.org/10.1016/s0020-1693(00)86282-9.
Texte intégralThèses sur le sujet "Model-based Cluster"
Rapley, Veronica Elizabeth. « Model-based adaptive cluster sampling ». Thesis, University of Southampton, 2005. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.433939.
Texte intégralLin, Dong. « Model-based cluster analysis using Bayesian techniques ». To access this resource online via ProQuest Dissertations and Theses @ UTEP, 2008. http://0-proquest.umi.com.lib.utep.edu/login?COPT=REJTPTU0YmImSU5UPTAmVkVSPTI=&clientId=2515.
Texte intégralTantrum, Jeremy. « Model based and hybrid clustering of large datasets / ». Thesis, Connect to this title online ; UW restricted, 2003. http://hdl.handle.net/1773/8933.
Texte intégralBARBERIS, STEFANO. « New developments in Cluster-Weighted Modeling ». Doctoral thesis, Università degli Studi di Milano-Bicocca, 2019. http://hdl.handle.net/10281/241157.
Texte intégralIn this work two extensions of Cluster Weighted Models (a mixture model with random covariate) are presented for model-based clustering applications. The first presents the Generalized Additive Cluster Weighted Model. This is a very flexible model, able to capture complex relations between a response variable and a set of covariates in each mixture component introducing the Generalized Additive Model into the CWM framework. The second, is related to the beta regression that represents the standard approach to model a dependent variable with the range in the unit interval [0,1]. In some situations, a problem that could arise is a direct consequence of flexibility of the beta distribution, because when it is considered as a mixture component it may be too flexible due to the great variety of shapes (including multi-modal shapes) that can assume so that it may be difficult to understand easily the real meaning of each component. For this reason, we developed an extension of the beta mixture models focusing on the subset of unimodal beta distribution, with the aim of improving the interpretation of each mixture component and then identifying better the respective cluster in the population. Finally, an R package under development that will published on the CRAN implements the proposed methodologies. The estimation of these models is performed via maximum likelihood with EM algorithm. With simulated and real data we investigate the performances, limits and benefits comparing this model with other models related to it.
Annakula, Chandravyas. « Hierarchical and partitioning based hybridized blocking model ». Kansas State University, 2017. http://hdl.handle.net/2097/35468.
Texte intégralDepartment of Computing and Information Sciences
William H. Hsu
(Higgins, Savje, & Sekhon, 2016) Provides us with a sampling blocking algorithm that enables large and complex experiments to run in polynomial time without sacrificing the precision of estimates on a covariate dataset. The goal of this project is to run the different clustering algorithms on top of clusters formed from above mentioned blocking algorithm and analyze the performance and compatibility of the clustering algorithms. We first start with applying the blocking algorithm on a covariate dataset and once the clusters are formed, we then apply our clustering algorithm HAC (Hierarchical Agglomerative Clustering) or PAM (Partitioning Around Medoids) on the seeds of the clusters. This will help us to generate more similar clusters. We compare our performance and precision of our hybridized clustering techniques with the pure clustering techniques to identify a suitable hybridized blocking model.
Mohamed, Esha [Verfasser], et Ralf [Akademischer Betreuer] Münnich. « Design-based and model-based estimation in adaptive cluster sampling / Esha Mohamed ; Betreuer : Ralf Münnich ». Trier : Universität Trier, 2017. http://d-nb.info/1197807535/34.
Texte intégralMalsiner-Walli, Gertraud, Sylvia Frühwirth-Schnatter et Bettina Grün. « Model-based clustering based on sparse finite Gaussian mixtures ». Springer, 2016. http://dx.doi.org/10.1007/s11222-014-9500-2.
Texte intégralShaffer, Anne, Monica Whitehead, Molly Davis, Diana Morelen et Cynthia Suveg. « A Model‐Based Cluster Analysis of Maternal Emotion Regulation and Relations to Parenting Behavior ». Digital Commons @ East Tennessee State University, 2018. https://doi.org/10.1111/famp.12326.
Texte intégralWhitehead, Monica R., Anne Shaffer, Molly Faye Davis, Diana M. Morelen et Cynthia Suveg. « A Model-Based Cluster Analysis of Maternal Emotion Regulation and Relations to Parenting Behavior ». Digital Commons @ East Tennessee State University, 2017. https://dc.etsu.edu/etsu-works/745.
Texte intégralLiu, Jinghui. « Approaches to improve the precision of similarity patterns and reproducibility for cluster analysis infinite mixture model based cluster analyses for gene expression data / ». Cincinnati, Ohio : University of Cincinnati, 2008. http://rave.ohiolink.edu/etdc/view.cgi?acc_num=ucin1211903300.
Texte intégralLivres sur le sujet "Model-based Cluster"
Rojas, Thomas D. National forest economic clusters : A new model for assessing national-forest-based natural resources products and services. Portland, OR : U.S. Dept. of Agriculture, Forest Service, Pacific Northwest Research Station, 2007.
Trouver le texte intégralRojas, Thomas D. National forest economic clusters : A new model for assessing national-forest-based natural resources products and services. Portland, OR : United States Dept. of Agriculture, Forest Service, Pacific Northwest Research Station, 2007.
Trouver le texte intégralOtsuka, K., et Tetsushi Sonobe. Cluster-Based Industrial Development : An East Asian Model. Palgrave Macmillan, 2006.
Trouver le texte intégralCluster-Based Industrial Development : An East Asian Model. Palgrave Macmillan, 2006.
Trouver le texte intégralMcNicholas, Paul D. Mixture Model-Based Classification. Taylor & Francis Group, 2016.
Trouver le texte intégralMcNicholas, Paul D. Mixture Model-Based Classification. Taylor & Francis Group, 2016.
Trouver le texte intégralMcNicholas, Paul D. Mixture Model-Based Classification. Taylor & Francis Group, 2020.
Trouver le texte intégralMixture Model-Based Classification. Taylor & Francis Group, 2016.
Trouver le texte intégralMcNicholas, Paul D. Mixture Model-Based Classification. Taylor & Francis Group, 2016.
Trouver le texte intégralMcNicholas, Paul D. Mixture Model-Based Classification. Taylor & Francis Group, 2016.
Trouver le texte intégralChapitres de livres sur le sujet "Model-based Cluster"
Nizamani, Sarwat, Nasrullah Memon et Uffe Kock Wiil. « Cluster Based Text Classification Model ». Dans Lecture Notes in Social Networks, 265–83. Vienna : Springer Vienna, 2011. http://dx.doi.org/10.1007/978-3-7091-0388-3_14.
Texte intégralHuang, He. « Cluster Enterprises’ Internationalization Based on Cluster Risk Evaluation Model ». Dans Lecture Notes in Electrical Engineering, 347–53. London : Springer London, 2013. http://dx.doi.org/10.1007/978-1-4471-4853-1_45.
Texte intégralSridevi, K. N., Surekha Pinnapati et S. Prakasha. « Hierarchical Cluster-Based Model to Evaluate Accuracy Metrics Based on Cluster Efficiency ». Dans Intelligent Sustainable Systems, 667–78. Singapore : Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-16-6369-7_61.
Texte intégralBensmail, Halima, et Jacqueline J. Meulman. « MCMC Inference for Model-based Cluster analysis ». Dans Studies in Classification, Data Analysis, and Knowledge Organization, 191–96. Berlin, Heidelberg : Springer Berlin Heidelberg, 1998. http://dx.doi.org/10.1007/978-3-642-72253-0_26.
Texte intégralKumar, Pardeep, Samit Barai, Babji Srinivasan et Nihar R. Mohapatra. « Process Model Accuracy Enhancement Using Cluster Based Approach ». Dans Physics of Semiconductor Devices, 33–36. Cham : Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-03002-9_9.
Texte intégralRomoozi, Morteza, Hamideh Babaei, Mahmood Fathy et Mojtaba Romoozi. « A Cluster-Based Mobility Model for Intelligent Nodes ». Dans Computational Science and Its Applications – ICCSA 2009, 565–79. Berlin, Heidelberg : Springer Berlin Heidelberg, 2009. http://dx.doi.org/10.1007/978-3-642-02454-2_41.
Texte intégralLi, Xiaotu, Jizhou Sun, Jiawan Zhang, Zhaohui Qi et Gang Li. « A Modified Parallel Computation Model Based on Cluster ». Dans Computational Science and Its Applications – ICCSA 2004, 252–61. Berlin, Heidelberg : Springer Berlin Heidelberg, 2004. http://dx.doi.org/10.1007/978-3-540-24709-8_27.
Texte intégralBarnat, Jiří, Luboš Brim et Ivana Černá. « Cluster-Based LTL Model Checking of Large Systems ». Dans Formal Methods for Components and Objects, 259–79. Berlin, Heidelberg : Springer Berlin Heidelberg, 2006. http://dx.doi.org/10.1007/11804192_13.
Texte intégralHennig, Christian, et Pietro Coretto. « The Noise Component in Model-based Cluster Analysis ». Dans Data Analysis, Machine Learning and Applications, 127–38. Berlin, Heidelberg : Springer Berlin Heidelberg, 2008. http://dx.doi.org/10.1007/978-3-540-78246-9_16.
Texte intégralPallis, George, Lefteris Angelis et Athena Vakali. « Model-Based Cluster Analysis for Web Users Sessions ». Dans Lecture Notes in Computer Science, 219–27. Berlin, Heidelberg : Springer Berlin Heidelberg, 2005. http://dx.doi.org/10.1007/11425274_23.
Texte intégralActes de conférences sur le sujet "Model-based Cluster"
Sriprayoonsakul et Uthayopas. « An energy-based implicit co-scheduling model for Beowulf cluster ». Dans Proceedings IEEE International Conference on Cluster Computing CLUSTR-03. IEEE, 2003. http://dx.doi.org/10.1109/clustr.2003.1253336.
Texte intégralAkihiro Nomura, Hiroya Matsuba et Yutaka Ishikawa. « Network performance model for TCP/IP based cluster computing ». Dans 2007 IEEE International Conference on Cluster Computing (CLUSTER). IEEE, 2007. http://dx.doi.org/10.1109/clustr.2007.4629232.
Texte intégralGupta, Nikunj, Rohit Ashiwal, Bine Brank, Sateesh K. Peddoju et Dirk Pleiter. « Performance Evaluation of ParalleX Execution model on Arm-based Platforms ». Dans 2020 IEEE International Conference on Cluster Computing (CLUSTER). IEEE, 2020. http://dx.doi.org/10.1109/cluster49012.2020.00080.
Texte intégralWang, Shen-Ge. « Cluster-based binary printer model ». Dans IS&T/SPIE Electronic Imaging, sous la direction de Reiner Eschbach, Gabriel G. Marcu, Shoji Tominaga et Alessandro Rizzi. SPIE, 2009. http://dx.doi.org/10.1117/12.811626.
Texte intégralYuan, Liang, et Yunquan Zhang. « A Locality-based Performance Model for Load-and-Compute Style Computation ». Dans 2012 IEEE International Conference on Cluster Computing (CLUSTER). IEEE, 2012. http://dx.doi.org/10.1109/cluster.2012.25.
Texte intégralZhu, Niu, Lu, Shen et Gao. « A cluster-based solution for high performance hmmpfam using EARTH execution model ». Dans Proceedings IEEE International Conference on Cluster Computing CLUSTR-03. IEEE, 2003. http://dx.doi.org/10.1109/clustr.2003.1253296.
Texte intégralThonglek, Kundjanasith, Kohei Ichikawa, Keichi Takahashi, Hajimu Iida et Chawanat Nakasan. « Improving Resource Utilization in Data Centers using an LSTM-based Prediction Model ». Dans 2019 IEEE International Conference on Cluster Computing (CLUSTER). IEEE, 2019. http://dx.doi.org/10.1109/cluster.2019.8891022.
Texte intégralRang, Wei, Donglin Yang, Dazhao Cheng, Kun Suo et Wei Chen. « Data Life Aware Model Updating Strategy for Stream-based Online Deep Learning ». Dans 2020 IEEE International Conference on Cluster Computing (CLUSTER). IEEE, 2020. http://dx.doi.org/10.1109/cluster49012.2020.00049.
Texte intégralGustedt, Jens, Emmanuel Jeannot et Farouk Mansouri. « Optimizing Locality by Topology-Aware Placement for a Task Based Programming Model ». Dans 2016 IEEE International Conference on Cluster Computing (CLUSTER). IEEE, 2016. http://dx.doi.org/10.1109/cluster.2016.87.
Texte intégralLastovetsky, Alexey, et Vladimir Rychkov. « Building the communication performance model of heterogeneous clusters based on a switched network ». Dans 2007 IEEE International Conference on Cluster Computing (CLUSTER). IEEE, 2007. http://dx.doi.org/10.1109/clustr.2007.4629284.
Texte intégralRapports d'organisations sur le sujet "Model-based Cluster"
Ків, Арнольд Юхимович, D. Fuks, Наталя Володимирівна Моісеєнко et Володимир Миколайович Соловйов. Silicon-aluminum bonding in Al alloys. Transport and Telecommunication Institute, 2002. http://dx.doi.org/10.31812/0564/1033.
Texte intégralFraley, Chris, Adrian Raftery et Ron Wehrensy. Incremental Model-Based Clustering for Large Datasets With Small Clusters. Fort Belvoir, VA : Defense Technical Information Center, décembre 2003. http://dx.doi.org/10.21236/ada459790.
Texte intégralRojas, Thomas D. National forest economic clusters : a new model for assessing national-forest-based natural resources products and services. Portland, OR : U.S. Department of Agriculture, Forest Service, Pacific Northwest Research Station, 2007. http://dx.doi.org/10.2737/pnw-gtr-703.
Texte intégralNagahi, Morteza, Raed Jaradat, Mohammad Nagahisarchoghaei, Ghodsieh Ghanbari, Sujan Poudyal et Simon Goerger. Effect of individual differences in predicting engineering students' performance : a case of education for sustainable development. Engineer Research and Development Center (U.S.), mai 2021. http://dx.doi.org/10.21079/11681/40700.
Texte intégral