境外开放课程——按学科专业列表
开放课程→工程与技术科学→计算机科学技术::
123456789>>> 1/480

1
Space-Time Clustering with Stability Probe while Riding Downhill[下坡时使用稳定性探针进行时空聚类]
  Xin Huang(KDD 2016研讨会) 我们提出了一种新的数据驱动程序，用于使用稳定性探测的概念在动态聚类算法中优化选择调整参数。由于稳定性探针动力学的形状，我们将新的聚类稳定性过程称为下坡...
热度：2

2
Granger Causality Networks for Categorical Time Series[分类时间序列的Granger因果网络]
  Alex Tank(KDD 2016研讨会) 我们提出了两种基于模型的方法来学习多元分类时间序列的格兰杰因果网络。我们的第一个建议是基于混合过渡分布（MTD）模型。传统上，MTD受到非凸目标、不可识别性...
热度：1

3
Using Time Series Techniques to Forecast and Analyze Wake and Sleep Behavior[利用时间序列技术预测和分析觉醒和睡眠行为]
  Jennifer A. Williams(KDD 2016研讨会) 智能家居技术为以非侵入性方式为个人提供医疗保健提供了许多好处。我们这项研究的目标是利用智能家居技术帮助人们从伤病中恢复或应对残疾，独立生活。在这篇论文...
热度：2

4
The Great Time Series Classification Bake Off: An Experimental Evaluation of Recently Proposed Algorithms[大时间序列分类烘焙：对最近提出的算法的实验评估]
  Jason Lines(KDD 2016研讨会) 在过去的五年里，文献中提出了大量新的时间序列分类算法。这些算法已经在加州大学河滨分校时间序列分类档案中的47个数据集的子集上进行了评估。该档案最近已扩展...
热度：3

5
Finding Influential Institutions in Bibliographic Information Networks[在书目信息网络中寻找有影响力的机构]
  Anubhav Gupta(KDD 2016研讨会) 在书目信息网络中寻找有影响力的机构
热度：2

6
Regressing to Regression - Predicting Conference Paper Acceptance[回归回归——预测会议论文接受度]
  Joel Schlosser(KDD 2016研讨会) 回归回归——预测会议论文接受度
热度：2

7
Bibliometric Ranking of Research Institutions[研究机构文献计量排名]
  Mohan Manivannan;Nachiappan Palaniappan(KDD 2016研讨会) 研究机构文献计量排名
热度：2

8
Ranking academic institutions on potential paper acceptance in upcoming conferences[对学术机构的潜在论文接受度进行排名]
  Jobin Wilson(KDD 2016研讨会) 在即将召开的会议上对学术机构的潜在论文接受度进行排名
热度：3

9
Predicting the future relevance of research institutions[预测研究机构的未来相关性]
  Vlad Sandulescu(KDD 2016研讨会) 预测研究机构的未来相关性
热度：2

10
Feature Engineering and Ensemble Modeling for Paper Acceptance Rank Prediction[论文接受度预测的特征工程与集成建模]
  Yujie Qian(KDD 2016研讨会) 论文接受度预测的特征工程与集成建模
热度：1

11
Heterogenous Graph Mining for Measuring the Impact of Research Institutions[用于衡量研究机构影响力的异质图挖掘]
  Shuang Qiu(KDD 2016研讨会) 用于衡量研究机构影响力的异质图挖掘
热度：2

12
A Simple Method to Predict Affiliation Ranking in KDDCup 2016[KDDCup 2016中关联度排名的简单预测方法]
  Ping-I Chou(KDD 2016研讨会) KDDCup 2016中关联度排名的简单预测方法
热度：3

13
On the Dominant Role of Returners’ Human Mobility Networks on Urban Energy Consumption[论返乡人员流动网络对城市能源消费的主导作用]
  Neda Mohammadi(KDD 2016研讨会) 由于人口增长和城市化，城市地区基础设施、服务和个人之间的相互依赖性继续增加。城市地区已经消耗了世界能源的80%，到2050年，预计人口将增长近70%，这将进一步...
热度：2

14
An Active Learning Framework Incorporating User Input For Mining Urban Data[一种结合用户输入的主动学习框架，用于挖掘城市数据]
  Dimitrios Gunopulos(KDD 2016研讨会) 近年来，分析和检测城市中无处不在的传感器的事件一直是一个重要目标。能够通过监测城市传感器数据自动检测事件的不同技术已在几个智慧城市得到有效应用，以改善...
热度：2

15
Toward Semantic Understanding of Mobility Data[移动数据的语义理解]
  Zhenhui Jessie Li(KDD 2016研讨会) 移动数据的语义理解
热度：3
123456789>>> 1/480