TY  - JOUR
AU  - Lin, Z.
TI  - A Parametric Design Method for Landscape Garden Layout Based on Clustering Algorithm
JF  - INTERNATIONAL JOURNAL OF HIGH SPEED ELECTRONICS AND SYSTEMS
J2  - IJHSES
VL  - 34
PY  - 2025
IS  - 04
SN  - 0129-1564
DO  - 10.1142/S0129156425402645
UR  - https://m2.mtmt.hu/api/publication/35775630
ID  - 35775630
N1  - Export Date: 20 February 2025
LA  - English
DB  - MTMT
ER  - 

TY  - CHAP
AU  - Chan, S.
TI  - AI-Facilitated Dynamic Threshold-Tuning for a Maritime Domain Awareness Module
T2  - 2024 IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT)
PB  - Institute of Electrical and Electronics Engineers (IEEE)
SN  - 9798350353464
PY  - 2024
SP  - 192
EP  - 198
PG  - 7
DO  - 10.1109/IAICT62357.2024.10617473
UR  - https://m2.mtmt.hu/api/publication/35415092
ID  - 35415092
LA  - English
DB  - MTMT
ER  - 

TY  - JOUR
AU  - Han, X.
AU  - Wang, X.
TI  - A Resource Sharing Method of Higher Vocational Distance Online Education Based on Sparse Clustering Algorithm
JF  - LECTURE NOTES OF THE INSTITUTE FOR COMPUTER SCIENCES SOCIAL-INFORMATICS AND TELECOMMUNICATIONS ENGINEERING
J2  - LECT NOTES INST COMPUT SCI SOC INF TELECOMMUN ENG
VL  - 545
PY  - 2024
SP  - 85
EP  - 101
PG  - 17
SN  - 1867-8211
DO  - 10.1007/978-3-031-51471-5_6
UR  - https://m2.mtmt.hu/api/publication/35183988
ID  - 35183988
LA  - English
DB  - MTMT
ER  - 

TY  - JOUR
AU  - Wang, C.
TI  - Statistical method for clustering high-dimensional data based on fuzzy mathematical modeling
JF  - APPLIED MATHEMATICS AND NONLINEAR SCIENCES
J2  - APPL MATH NONLIN SCI
VL  - 9
PY  - 2024
IS  - 1
SN  - 2444-8656
DO  - 10.2478/amns.2023.2.01452
UR  - https://m2.mtmt.hu/api/publication/34655692
ID  - 34655692
LA  - English
DB  - MTMT
ER  - 

TY  - JOUR
AU  - Wang, Hu
TI  - Clustering statistical method of high dimensional sparse data based on fuzzy data
JF  - JOURNAL OF PHYSICS-CONFERENCE SERIES
J2  - J PHYS CONF SER
VL  - 2791
PY  - 2024
IS  - 1
SN  - 1742-6588
DO  - 10.1088/1742-6596/2791/1/012060
UR  - https://m2.mtmt.hu/api/publication/35141484
ID  - 35141484
AB  - Developing effective clustering and statistical methods for high-dimensional sparse data presents unique challenges compared to traditional low-dimensional data. To address this, a novel approach is proposed, leveraging fuzzy data principles to enhance the clustering and statistical performance of high-dimensional sparse datasets. The method builds upon the fuzzy C-means clustering algorithm, introducing key modifications for better suitability to high-dimensional sparse data. One crucial enhancement involves tackling the local optimization problem by optimizing the initial clustering center, significantly reducing clustering statistical time. Replacing the original Euclidean distance with cosine distance improves the clustering and statistical performance of high-dimensional sparse data. Experimental results have shown that this method has superior clustering statistical performance when the data dimensions are different. When the data dimension is low, and the blocking ratio is 10%, the clustering statistical effect is optimal. When the data dimension is high, and the blocking ratio is 40%, the clustering statistical effect is optimal. This method has higher hit rates and clustering statistical efficiency at different sparsity levels.
LA  - English
DB  - MTMT
ER  - 

TY  - JOUR
AU  - Kosztyán, Zsolt Tibor
TI  - Hálózatalapú modell- és adatredukciós módszer
JF  - STATISZTIKAI SZEMLE
J2  - STATISZTIKAI SZEMLE
VL  - 101
PY  - 2023
IS  - 4
SP  - 289
EP  - 324
PG  - 36
SN  - 0039-0690
DO  - 10.20311/stat2023.04.hu0289
UR  - https://m2.mtmt.hu/api/publication/33753494
ID  - 33753494
N1  - Megjelenés: 2023. április
AB  - A hálózatelemzés új távlatokat nyit az adatelemzés területén. Az adatpontokat csomópontokként és a közöttük lévő kapcsolatokat élekként ábrázolva „adathálózatot” kapunk, amellyel megnyílik a lehetőség az exponenciálisan fejlődő hálózatos elemzés eszköztárának alkalmazására is. Tanulmányomban egy új, hálózatalapú modell- és adatredukciós módszer létrehozását javaslom, amely egy olyan, nem paraméteres eljárás, amely modellredukció esetében megadja a látens változók, adatredukció esetében pedig a klasztercentrumok számát. A kialakított módszer robusztus, mivel képes kevés megfigyelés alapján is meghatározni a változócsoportokat, illetve kevés változó alapján az adatcsoportokat. A javasolt módszer alkalmazható szimmetrikus és aszimmetrikus változó- és adat-távolságmértékek esetén is. A módszert szimulált és valós adatokon is tesztelem. Az elkészült módszer R-programnyelvben validált csomagként is elérhető.
LA  - Hungarian
DB  - MTMT
ER  - 

TY  - THES
AU  - Muhammad, Sadiq Hassan Zada
TI  - A Robust Unified Graph Model Based on Molecular Data Binning for Subtype Discovery in High-dimensional Spaces
PY  - 2023
UR  - https://m2.mtmt.hu/api/publication/34136169
ID  - 34136169
LA  - English
DB  - MTMT
ER  - 

TY  - JOUR
AU  - Sun, J.
AU  - Huang, Q.
TI  - Two stages biclustering with three populations
JF  - BIOMEDICAL SIGNAL PROCESSING AND CONTROL
J2  - BIOMED SIGNAL PROCES
VL  - 79
PY  - 2023
SN  - 1746-8094
DO  - 10.1016/j.bspc.2022.104182
UR  - https://m2.mtmt.hu/api/publication/33282019
ID  - 33282019
LA  - English
DB  - MTMT
ER  - 

TY  - JOUR
AU  - Alotaibi, Y.
TI  - A New Meta-Heuristics Data Clustering Algorithm Based on Tabu Search and Adaptive Search Memory
JF  - SYMMETRY (BASEL)
J2  - SYMMETRY-BASEL
VL  - 14
PY  - 2022
IS  - 3
SN  - 2073-8994
DO  - 10.3390/sym14030623
UR  - https://m2.mtmt.hu/api/publication/32789051
ID  - 32789051
LA  - English
DB  - MTMT
ER  - 

TY  - JOUR
AU  - Hassan, Zada M.S.
AU  - Yuan, B.
AU  - Khan, W.A.
AU  - Anjum, A.
AU  - Reiff-Marganiec, S.
AU  - Saleem, R.
TI  - A unified graph model based on molecular data binning for disease subtyping
JF  - JOURNAL OF BIOMEDICAL INFORMATICS
J2  - J BIOMED INFORM
VL  - 134
PY  - 2022
SN  - 1532-0464
DO  - 10.1016/j.jbi.2022.104187
UR  - https://m2.mtmt.hu/api/publication/33198345
ID  - 33198345
LA  - English
DB  - MTMT
ER  -