机译:基于凸包形状保存算法的教育数据集中聚类的可视化
Univ Fed Uberlandia, Sch Comp Sci, Av Joao Naves de Avila 2121, BR-38408100 Uberlandia, MG, Brazil;
Univ Fed Uberlandia, Sch Comp Sci, Av Joao Naves de Avila 2121, BR-38408100 Uberlandia, MG, Brazil;
Data analysis; data visualization; grouping constraints; convex hulls;
机译:通过基于字符串压缩的算法聚类发现数据集性质
机译:大数据集的基于模糊联合点的聚类算法
机译:使用基于邻域粗糙集的算法群集混合数据并阐述其应用程序
机译:基于学生信息的Apriori算法和K-Means聚类算法基于云的教育大数据应用
机译:有监督的有序序数聚类–一种人机学习算法,可在大型数据集中创建准确的聚类:采用新颖的可视化技术应用于印第安纳州水质数据
机译:基于不平衡数据集的解决驾驶周期预测问题的多聚类算法:中国案例研究
机译:图4:(a)一种保守序列,其发生在芯片-SEQ数据集中的46,264个结合位点峰值中的79倍。说明了这种保守序列的突变分布,其中'_'表示该碱度不变; del表示此基础丢失; INS X表示新的基础X插入此基础前面。 (b)列出了几种重复的元素模式。 (c)在第一栏中,示出了由MEME芯片工具(Machanick&Bailey,2011)开采的前五个DNA主题。由CFSP算法发现的相应保守序列列于第二列中。在第三列中,列出了从突变信息转换的特定位置的评分矩阵。 MEME主题与PSSM格式的相似性与PSSM格式之间的相似性通过邮票图章比较工具(Mahony&Benos,2007)计算。这些对相似性的电子值显示在第四列中。 (d)在由GKMSVM描述符聚集的每个组中选择了一个图案,下面列出了CFSP算法的相应主题。 (e)从https://www.encodeproject.org收集的,有附加数据集(文件no:cernff100grl,cenf616irl,conf8.20cer,target:srebf1)。使用MEME工具在每个文件中选择前两个图案,并且我们的算法发现的相应主题如下所示。