University of Applied Sciences Mittweida, Computational Intelligence Group, Mittweida, Germany;
University of Applied Sciences Mittweida, Computational Intelligence Group, Mittweida, Germany;
Fraunhofer IFF Magdeburg, Biosystems Engineering, Magdeburg, Germany;
Fraunhofer IFF Magdeburg, Biosystems Engineering, Magdeburg, Germany;
Fraunhofer IFF Magdeburg, Biosystems Engineering, Magdeburg, Germany;
University of Applied Sciences Mittweida, Computational Intelligence Group, Mittweida, Germany;
Sugar; Topology; Euclidean distance; Data visualization; Extraterrestrial measurements; Data analysis;
机译:结合自适应矢量量化和原型选择技术以改进最近邻分类器
机译:学习向量量化的中位数变体,用于学习差异数据
机译:相异数据的自适应共形半监督矢量量化
机译:关于其辨别能力的最近原型向量量化器中不同的数据依赖性评估
机译:使用支持向量机,Random Forest,DualKS和k-Nearest邻居对前列腺癌数据进行比较分类。
机译:残差矢量量化的近似最近邻搜索
机译:学习矢量量化:竞争原型的泛化能力和动力学
机译:最近邻残差矢量量化器分类器对信号和传感器波形采集的可行性研究:saR图像中的自动目标识别