Zobrazeno 1 - 10
of 327
pro vyhledávání: '"data summarization"'
Autor:
Mohiuddin Ahmed, A.N.M. Bazlur Rashid
Publikováno v:
Digital Communications and Networks, Vol 10, Iss 1, Pp 182-189 (2024)
Identifying rare patterns for medical diagnosis is a challenging task due to heterogeneity and the volume of data. Data summarization can create a concise version of the original data that can be used for effective diagnosis. In this paper, we propos
Externí odkaz:
https://doaj.org/article/de169a8feae844a48efbd221d913b3ef
Publikováno v:
Computational Visual Media, Vol 9, Iss 3, Pp 513-529 (2023)
Abstract In this paper, we propose a correlation-aware probabilistic data summarization technique to efficiently analyze and visualize large-scale multi-block volume data generated by massively parallel scientific simulations. The core of our techniq
Externí odkaz:
https://doaj.org/article/e500bb84340944aca028768f64690009
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Saeed Vahidian, Mohsen Joneidi, Ashkan Esmaeili, Siavash Khodadadeh, Sharareh Zehtabian, Bill Lin
Publikováno v:
IEEE Access, Vol 10, Pp 88164-88177 (2022)
We propose a novel technique for dataset summarization by selecting representatives from a large, unsupervised dataset. The approach is based on the concept of self-rank, defined as the minimum number of samples needed to express all dataset samples
Externí odkaz:
https://doaj.org/article/d694a664994940d2a94cd26d68076b31
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.
Autor:
Larsen, Kai R., author, Becker, Daniel S., author
Publikováno v:
Automated Machine Learning for Business, 2021, ill.
Externí odkaz:
https://doi.org/10.1093/oso/9780190941659.003.0003
Autor:
Mohiuddin Ahmed
Publikováno v:
IEEE Access, Vol 7, Pp 68669-68677 (2019)
Identifying interesting patterns from a huge amount of data is a challenging task across a wide range of application domain. Especially, for cyber security being able to identify rare types of network activities or anomalies from network traffic data
Externí odkaz:
https://doaj.org/article/2d8812c2d9e145c3a48d4bcf8edb3fda
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Iliana Perez Pupo, Pedro Y. Pinero Perez, Roberto Garcia Vacacela, Rafael Bello, Osvaldo Santos, Maikel Y Leyva Vazquez
Publikováno v:
Neutrosophic Sets and Systems, Vol 22, Pp 87-100 (2018)
The quick development of the markets and companies, especially those that apply information technology, has made it easy to store a large volume of digital information. Nevertheless, the extraction of potentially useful knowledge is difficult; also c
Externí odkaz:
https://doaj.org/article/1817302ca2bd4a65bee6381cf69aeabd