|
| << vorige | volgende >> |
Tijdschrift beschrijving
Alle jaargangen van het bijbehorende tijdschrift
Alle afleveringen van het bijbehorende jaargang
Alle artikelen van de bijbehorende aflevering
Details van artikel 2 van 6 gevonden artikelen
| Titel: |
Classification of symbolic objects: A lazy learning approach |
| Auteur: |
Appice, Annalisa D'Amato, Claudia Esposito, Floriana Malerba, Donato |
| Verschenen in: |
Intelligent data analysis |
| Paginering: | Jaargang 10 (2006) nr. 4 pagina's 301-324 |
| Jaar: |
2006-08-16 |
| Inhoud: |
Symbolic data analysis aims at generalizing some standard statistical data mining methods, such as those developed for classification tasks, to the case of symbolic objects (SOs). These objects synthesize information concerning a group of individuals of a population, eventually stored in a relational database, and ensure confidentiality of original data. Classifying SOs is an important task in symbolic data analysis. In this paper a lazy-learning approach that extends a traditional distance weighted k-Nearest Neighbor classification algorithm to SOs, is presented. The proposed method has been implemented in the system SO-NN (Symbolic Objects Nearest Neighbor) and evaluated on symbolic datasets. |
| Uitgever: |
IOS Press |
| Bronbestand: |
Elektronische Wetenschappelijke Tijdschriften |
Details van artikel 2 van 6 gevonden artikelen
| << vorige | volgende >> |