Untitled

Artificial Intelligence Techniques for Cancer Detection and Classification: Review Study

“…In addition, K-NN, a supervised learning lazy algorithm, runs slowly and is easily misled by unimportant attributes (Z. X. Huang, 1998).…”

Las evaluaciones internas del sistema nacional de investigadores de México a través de un análisis clúster

“…Además, este algoritmo está considerado entre los mejores diez algoritmos para la clasificación de datos (Wu et al, 2008 Con el algoritmo k means se pretende, sumado al factor humano, obtener unos dictámenes más robustos y eficientes por parte del SNI. Este análisis tiene sentido, ya que gran parte de las variables utilizadas por esta técnica de agrupamiento y análisis de datos son cuantitativas (Huang, 1998). Es decir, a través de esta técnica de agrupamiento de datos, se detectan las características predominantes de los investigadores mexicanos 5 Por ejemplo, en la información integrada por el SNI se contempla el número de citas recibidas a los trabajos, al menos de su último nombramiento, realizados por cada investigador aprobado en dicho sistema de investigación.…”

“…Muchos enfoques de clasificación o agrupamiento necesitan tan solo de datos numéricos -algoritmo K-means-, mientras que otros lo hacen exclusivamente para datos categóricos -algoritmo k-modespero, a menudo, los distintos enfoques se combinan para obtener resultados más apropiados -algoritmo k Prototypes, algoritmo Harmony K-means. (Huang, 1998;Mahdavi y Abolhassani, 2009). …”

“…Se podría pensar que trabajar únicamente con cualquiera de estas dos categorías de datos limita las técnicas comunes de agrupamiento, y en consecuencia, se prohíbe la agrupación de datos del mundo real (Huang, 1998). No obstante, es de suma importancia mencionar que encontrar un modelo adecuado para representar el fenómeno de estudio, incluso en un corto periodo de tiempo, no es un asunto trivial; alcanzar con facilidad el uso, e inclusive, reducir la parametrización es un objetivo de mayor importancia, incluso si los datos de entrada no son muy complejos.…”

Content Aggregation on Knowledge Bases Using Graph Clustering

“…In Section 3, we will use an extension of k-modes clustering [11] to obtain aggregations of knowledge bases. The basic version of k-modes clustering for partitioning a set S of items into k clusters S 1 , .…”