Zobrazeno 1 - 10
of 53
pro vyhledávání: '"Li, Fajie"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Li, Dongxiao, He, Xinrong, Li, Fajie, Yang, Yang, Liu, Meng, Liu, Qingmei, Luo, Lianzhong, Chen, Guixia, Liu, Guangming
Publikováno v:
Food & Function; 9/21/2024, Vol. 15 Issue 18, p9136-9148, 13p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Li, Fajie, Klette, Reinhard
This paper reports about the development of two provably correct approximate algorithms which calculate the Euclidean shortest path (ESP) within a given cube-curve with arbitrary accuracy, defined by $\epsilon >0$, and in time complexity $\kappa(\eps
Externí odkaz:
http://arxiv.org/abs/0704.3197
Autor:
Lai, Chang-Jiang-Sheng, Zha, Liangping, Liu, Da-Hui, Kang, Liping, Ma, Xiaojing, Zhan, Zhi-Lai, Nan, Tie-Gui, Yang, Jian, Li, Fajie, Yuan, Yuan, Huang, Lu-Qi
Publikováno v:
In Journal of Chromatography A 22 July 2016 1456:187-195
Publikováno v:
In Talanta 15 March 2013 106:321-327
Autor:
An, Hui, Cao, Binbin, Lv, Yanming, Ye, Chengzhi, Li, Fangfang, Ma, Li, Duanmu, Qingyong, Yang, Zengqian, Peng, Junlin, Liu, Zengli, Li, Fajie, Peng, Hongyong, Lu, Xiangwan, Li, Hengbin
Publikováno v:
SID Symposium Digest of Technical Papers; Aug2020, Vol. 51 Issue 1, p1526-1529, 4p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
ADVANCES IN NEURO-INFORMATION PROCESSING, PT I, 1002-1009
STARTPAGE=1002;ENDPAGE=1009;TITLE=ADVANCES IN NEURO-INFORMATION PROCESSING, PT I
STARTPAGE=1002;ENDPAGE=1009;TITLE=ADVANCES IN NEURO-INFORMATION PROCESSING, PT I
This paper proposes a special adaptive mean shift clustering algorithm, especially for the case of highly overlapping clusters. Its application is demonstrated for simulated data, aiming at finding the 'old clusters'. The obtained clustering result i
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=narcis______::5040b0a3e0e7a702916c95dd6a8423bd
https://research.rug.nl/en/publications/98d0cd1a-106b-4896-bd43-cf8a98b63971
https://research.rug.nl/en/publications/98d0cd1a-106b-4896-bd43-cf8a98b63971