MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Advanced Clustering Algorithms Research
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

421 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
421 travaux dans la cohorte · sur 4 299 418page 2 sur 9

Les étiquettes couvrent 0 des 421 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 421 des 421 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

afffundnon étiqueté
Hierarchical Density-Based Clustering Using MapReduce
Joelson Antônio dos Santos, Talat Iqbal Syed, Murilo Coelho Naldi, Ricardo J. G. B. Campello, Jörg Sander
2019· article· en· IEEE Transactions on Big Data· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
55
citations
venueno affnon étiqueté
Estimating the number of clusters using diversity
Suneel Kumar Kingrani, Mark Levene, Dell Zhang
2017· article· en· Artificial Intelligence Research· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
51
citations
afffundnon étiqueté
Weighted Clustering
Margareta Ackerman, Shai Ben-David, Simina Brânzei, David Loker
2021· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
48
citations
affsans résuménon étiqueté
Subspace multi-clustering: a review
Juhua Hu, Jian Pei
2017· review· en· Knowledge and Information Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
41
citations
affnon étiqueté
NP-Hardness of Euclidean Sum-of-Squares Clustering
Daniel Aloise, Amit Deshpande, Pierre Hansen, Preyas Popat
2008· article· fr· PolyPublie (École Polytechnique de Montréal)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
39
citations
affnon étiqueté
Constraint-driven clustering
Rong Ge, Martin Ester, Wen Jin, Ian Davidson
2007· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
38
citations
affsans résuménon étiqueté
Assessing Congruence Among Ultrametric Distance Matrices
Véronique Campbell, Pierre Legendre, François‐Joseph Lapointe
2009· article· en· Journal of Classification· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
37
citations
afffundnon étiqueté
Hyperplane Division in Fuzzy C-Means: Clustering Big Data
Yinghua Shen, Witold Pedrycz, Yuan Chen, Xianmin Wang, Adam Gacek
2019· article· en· IEEE Transactions on Fuzzy Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
35
citations
affsans résuménon étiqueté
Feature selection using structural similarity
Sushmita Mitra, Partha Pratim Kundu, Witold Pedrycz
2012· article· en· Information Sciences· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
33
citations
aboutno affnon étiqueté
Approximate Clustering Ensemble Method for Big Data
Mohammad Sultan Mahmud, Joshua Zhexue Huang, Rukhsana Ruby, Alladoumbaye Ngueilbaye, Kaishun Wu
2023· article· en· IEEE Transactions on Big Data· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
31
citations
affsans résuménon étiqueté
Flocking based approach for data clustering
Abbas Ahmadi, Fakhri Karray, Mohamed S. Kamel
2009· article· en· Natural Computing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
27
citations
affnon étiqueté
Type-II Fuzzy Possibilistic C-Mean Clustering
Mohammad Hossein Fazel Zarandi, Marzieh Zarinbal, İ.B. Türkşen
2009· article· en· European Society for Fuzzy Logic and Technology Conference· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
26
citations
afffundnon étiqueté
Performance of kernel-based fuzzy clustering
Daniel Graves, Witold Pedrycz
2007· article· en· Electronics Letters· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
25
citations
affnon étiqueté
Using Pivots to Speed-Up k-Medoids Clustering
Adriano Arantes Paterlini, Mário A. Nascimento, Caetano Traina
2011· article· en· Cadernos de Linguística e Teoria da Literatura (Universidade Federal de Minas Gerais)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
24
citations
affsans résuménon étiqueté
Finding multiple stable clusterings
Juhua Hu, Qi Qian, Jian Pei, Rong Jin, Shenghuo Zhu
2016· article· en· Knowledge and Information Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
23
citations
affsans résuménon étiqueté
Clustering categorical data in projected spaces
Mohamed Bouguessa
2013· article· en· Data Mining and Knowledge Discovery· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
23
citations
venueno affnon étiqueté
Parallelization of the K-Means++ Clustering Algorithm
Sara Daoudi, Chakib Mustapha Anouar Zouaoui, Miloud Chikr El-Mezouar, Nasreddine Taleb
2021· article· en· Ingénierie des systèmes d information· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
22
citations
affnon étiqueté
Document clustering with committees
Patrick Pantel, Dekang Lin
2002· article· en· Proceedings of the 25th annual international ACM SIGIR conference on Research and development in information retrieval - SIGIR '02· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
22
citations

En coulisses: Sélection · Constats · À propos