کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4949330 | 1440044 | 2017 | 17 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Imputing missing values in unevenly spaced clinical time series data to build an effective temporal classification framework
ترجمه فارسی عنوان
وارد کردن مقادیر گم شده در داده های مجموعه ای از زمان های بالاتری در فاصله زمانی نامناسب برای ساخت یک چارچوب طبقه بندی موثر
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
CONCLUSION: The performance of the imputed results proves the effectiveness of TRiBS. Experimental evaluation with the classifiers such as neural networks, support vector machine (SVM) and decision tree have shown an improvement in the classification accuracy when a missing data is pre-processed with the proposed framework.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 112, August 2017, Pages 63-79
Journal: Computational Statistics & Data Analysis - Volume 112, August 2017, Pages 63-79
نویسندگان
Jane Y. Nancy, Nehemiah H. Khanna, Kannan Arputharaj,