Improving the k-NN method: rough set in edit training set

Caballero, Yailé et al · SEDICI UNLP · 2006

Testo completo ad accesso aperto

Lettura rapida. Controlla i dati essenziali della risorsa e accedi al contenuto con il pulsante principale. La scheda mostra solo le informazioni necessarie per identificare, citare e aprire l’opera.

Autore / responsabile

Caballero, Yailé et al

Editore

SEDICI UNLP

Anno

2006

Lingua

Inglés

Accesso alla risorsa

Apri il contenuto dall’opzione principale o scegli un’altra fonte disponibile.

SEDICI UNLP SEDICI UNLP OAI-PMH

Entrar por SEDICI UNLP

Accesso principale

Testo completo ad accesso aperto

Texto completo identificado como acceso abierto.

Apri testo

Riepilogo

Descripción general del contenido del recurso.

Rough Set Theory (RST) is a technique for data analysis. In this study, we use RST to improve the performance of k-NN method. The RST is used to edit and reduce the training set. We propose two methods to edit training sets, which are based on the lower and upper approximations. Experimental results show a satisfactory performance of k-NN method using these techniques. Applications in Artificial Intelligence - Learning and Neural Nets Red de Universidades con Carreras en Informática (RedUNCI)

Come citare

Elegí el formato que necesitás y copiá la referencia al portapapeles.

APA 7

Caballero, Y. E. A. (2006). Improving the k-NN method: rough set in edit training set. SEDICI UNLP. http://sedici.unlp.edu.ar/handle/10915/24150

MLA

Caballero, Yailé et al. Improving the k-NN method: rough set in edit training set. SEDICI UNLP, 2006. http://sedici.unlp.edu.ar/handle/10915/24150.

Chicago

Caballero, Yailé et al. 2006. Improving the k-NN method: rough set in edit training set. SEDICI UNLP. http://sedici.unlp.edu.ar/handle/10915/24150.

Harvard

Caballero, Y. E. A. 2006, Improving the k-NN method: rough set in edit training set, SEDICI UNLP, available at: http://sedici.unlp.edu.ar/handle/10915/24150 [Accessed 8 Aug. 2026].

Condividi e stampa

Salva la scheda, copia il link permanente o stampala in PDF.

Esporta riferimento

Esporta il record nei formati più comuni per usarlo con un gestore bibliografico.

RIS BibTeX

Dettagli della risorsa

Informazioni bibliografiche utili per verificare che sia il materiale corretto.

Titolo: Improving the k-NN method: rough set in edit training set

Autore / collaboratori: Caballero, Yailé et al

Editore: SEDICI UNLP

Anno di pubblicazione: 2006

Lingua: Inglés

Soggetti

Esplora risorse correlate a partire da questi soggetti.

Ciencias Informáticas; data analysis; training sets; Rough Set Theory (RST)