Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > A partitional clustering algorithm validated by a clustering tendency index based on graph theory

A partitional clustering algorithm validated by a clustering tendency index based on graph theory

Título
A partitional clustering algorithm validated by a clustering tendency index based on graph theory
Tipo
Artigo em Revista Científica Internacional
Ano
2006
Autores
Silva, HB
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Brito, P
(Autor)
FEP
da Costa, JP
(Autor)
FCUP
Revista
Título: Pattern RecognitionImportada do Authenticus Pesquisar Publicações da Revista
Vol. 39
Páginas: 776-788
ISSN: 0031-3203
Editora: Elsevier
Classificação Científica
FOS: Ciências da engenharia e tecnologias > Engenharia electrotécnica, electrónica e informática
Outras Informações
ID Authenticus: P-004-M39
Abstract (EN): Applying graph theory to clustering, we propose a partitional clustering method and a clustering tendency index. No initial assumptions about the data set are requested by the method. The number of clusters and the partition that best fits the data set, are selected according to the optimal clustering tendency index value.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Contacto: hbs@isep.ipp.pt; mpbrito@fep.up.pt; jpcosta@fc.up.pt
Nº de páginas: 13
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Da mesma revista

Efficient supervised optimum-path forest classification for large datasets (2012)
Artigo em Revista Científica Internacional
Papa, JP; Falcao, AX; de Albuquerque, VHC; João Manuel R. S. Tavares
Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Belas Artes da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-11-25 às 22:20:47 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias | Livro Amarelo Eletrónico