Statistics Department, Benghazi University, Libya;
Department of Computing, Sheffield Hallam University, UK;
School of Mathematics, University of Leeds, UK;
BASINS~(-1); data clustering; data mining; kernel density estimation; local optimization; scale-space clustering; supervised learning; unsupervised learning;
机译:基于核的地形图的最佳平滑及其在基于密度的形状聚类中的应用
机译:使用核平滑方法的分类中心基于中心的聚类
机译:合并核密度估计以确定开放星团的正确运动的实现:方法的验证
机译:用于确定连续数据中最佳簇的最佳簇的核密度平滑方法
机译:使用基于密度的聚类方法对μ子层析成像数据进行图像重建。
机译:通过自适应核密度估计从大型构象数据库获得的平滑统计扭转角电势可提高NMR蛋白质结构的质量
机译:确定开放集群正确运动的Binned核密度估计的实现:方法的验证
机译:密度偏差抽样:一种改进的数据挖掘和聚类方法