MétaCan
ENFR
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.

Exporter en CSVExporter en JSONRequête API

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 3 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.

affnon étiqueté
Clustering in the Presence of Background Noise
Shai Ben-David, Nika Haghtalab
2014· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
21
citations
afffundsans résuménon étiqueté
Cluster-Based Cumulative Ensembles
Hanan Ayad, Mohamed S. Kamel
2005· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
21
citations
affnon étiqueté
Data bubbles
Markus Breunig, Hans‐Peter Kriegel, Peer Kröger, Jörg Sander
2001· article· en· ACM SIGMOD Record· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
20
citations
affsans résuménon étiqueté
Unsupervised Learning: Clustering
Krzysztof J. Cios, Roman W. Świniarski, Witold Pedrycz, Lukasz Kurgan
2007· book-chapter· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
18
citations
affsans résuménon étiqueté
An axiomatic framework for three-way clustering
Yingxiao Chen, Ping Zhu, Yiyu Yao
2024· article· en· Information Sciences· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
17
citations
affnon étiqueté
A novel validity measure for clusters of arbitrary shapes and densities
Noha A. Yousri, Mohamed S. Kamel, Mohamed A. Ismail
2008· article· en· Proceedings - International Conference on Pattern Recognition/Proceedings/International Conference on Pattern Recognition· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
17
citations
affnon étiqueté
On k-means iterations and Gaussian clusters
Renato Cordeiro de Amorim, Vladimir Makarenkov
2023· article· en· Neurocomputing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
16
citations
affnon étiqueté
Improving X-means clustering with MNDL
Mahdi Shahbaba, Soosan Beheshti
2012· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
Automated Cluster Elimination Guided by High-Density Points
Xianghui Hu, Yichuan Jiang, Witold Pedrycz, Zhaohong Deng, Jianwei Gao, Yiming Tang
2025· article· en· IEEE Transactions on Cybernetics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
affnon étiqueté
ROSC
Xiang Li, Ben Kao, Siqiang Luo, Martin Ester
2018· article· en· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
12
citations
afffundnon étiqueté
Pooled variable scaling for cluster analysis
Jakob Raymaekers, Ruben H. Zamar
2020· article· en· Bioinformatics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
affnon étiqueté
Efficient Cluster Labeling for Support Vector Clustering
Vincent D'Orangeville, M. Andre Mayers, Mattia Monga, M. Shengrui Wang
2013· article· en· IEEE Transactions on Knowledge and Data Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affsans résuménon étiqueté
Efficiently Clustering Documents with Committees
Patrick Pantel, Dekang Lin
2002· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
← précédentsuivant →

En coulisses: Sélection · Constats · À propos