位置：成果数据库 > 期刊 > 期刊详情页
K-split Lass：有效的肿瘤特征基因选择方法
  • ISSN号：1673-9418
  • 期刊名称：计算机科学与探索
  • 时间：0
  • 页码：1136-1143
  • 相关项目：基于特征发现的数据流概念漂移问题研究
作者： 张靖|胡学钢|张玉红|施万锋|
同期刊论文项目
基于特征发现的数据流概念漂移问题研究
期刊论文 29 会议论文 20
同项目期刊论文
改进的基于邻接树的贝叶斯网络推理算法
一种基于混合集成方法的数据流概念漂移检测方法
一种抗噪的概念漂移数据流分类方法
正相关性指导下的关联规则剪枝算法
一种面向高维数据的均分式Lasso特征选择方法
AN EVALUATION APPROACH FOR THE PROGRAM OF ASSOCIATION RULES ALGORITHM BASED ON METAMORPHIC RELATIONS
一种基于最大熵模型的加权归纳迁移学习方法
一种基于双层窗口的概念漂移数据流分类算法
一种面向高维数据的迭代式Lasso特征选择方法
垂直划分多决策表下基于条件信息熵的隐私保护属性约简
一种适用于数据流分类的特征选择方法
基于贝叶斯网络的频繁模式兴趣度计算及剪枝
基于蜕变关系的聚类程序测试方法
MAIL: Mining Sequential Patterns with Wildcards
普适医疗信息管理与服务的关键技术与挑战
Exploring Causal Relationships with Streaming Features
Learning from concept drifting data streams with unlabeled data
Mining Recurring Concept Drifts with Limited Labeled Streaming Data
模式特征对带有通配符和长度约束的模式匹配问题的影响
基于链接路径搜索的URL属性集成方法
基于MapReduce的社会化标签共现关系抽取方法
一种改进的二分网络链路预测算法
基于规则和统计相结合的中文命名实体识别研究
带通配符的多序列模式挖掘
基于C4.5和NB混合模型的数据流分类算法
期刊信息
  • 《计算机科学与探索》
  • 中国科技核心期刊
  • 主管单位:中国电子科技集团公司
  • 主办单位:华北计算技术研究所
  • 主编：李建中
  • 地址：北京市619信箱26分箱海淀区北四环中路211号
  • 邮编：100083
  • 邮箱：fcst@vip.163.com
  • 电话：010-51616056
  • 国际标准刊号：ISSN：1673-9418
  • 国内统一刊号：ISSN：11-5602/TP
  • 邮发代号:82-560
  • 获奖情况:
  • 工业和信息化部优秀科技期刊,中国计算机学会优秀会刊
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊（2014版）
  • 被引量:1928