Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Using Nonnegative Matrix Factorization and Concept Lattice Reduction to visualizing data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F08%3A00021088" target="_blank" >RIV/61989100:27240/08:00021088 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Using Nonnegative Matrix Factorization and Concept Lattice Reduction to visualizing data

  • Popis výsledku v původním jazyce

    The large volume of data from the large-scale computing platforms for high-fidelity design and simulations, and instrumentation for gathering scientific as well as business data, and huge information in the web, give us some problems if we want to compute all concepts from huge incidence matrix. In some cases, we do not need to compute all concepts, but only some of them. In this paper, we proposed minimizing incidence matrix by using non-negative matrix factorization (NMF), because non-negative matrixfactorization (NW) is an emerging technique with a wide spectrum of potential applications in biomedical data analysis. Modified matrix has lower dimensions and acts as an input for some known algorithms for lattice construction.

  • Název v anglickém jazyce

    Using Nonnegative Matrix Factorization and Concept Lattice Reduction to visualizing data

  • Popis výsledku anglicky

    The large volume of data from the large-scale computing platforms for high-fidelity design and simulations, and instrumentation for gathering scientific as well as business data, and huge information in the web, give us some problems if we want to compute all concepts from huge incidence matrix. In some cases, we do not need to compute all concepts, but only some of them. In this paper, we proposed minimizing incidence matrix by using non-negative matrix factorization (NMF), because non-negative matrixfactorization (NW) is an emerging technique with a wide spectrum of potential applications in biomedical data analysis. Modified matrix has lower dimensions and acts as an input for some known algorithms for lattice construction.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA201%2F06%2F0756" target="_blank" >GA201/06/0756: Vývoj nativního úložiště pro XML data</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2008

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    FIRST INTERNATIONAL CONFERENCE ON THE APPLICATIONS OF DIGITAL INFORMATION AND WEB TECHNOLOGIES

  • ISBN

    978-1-4244-2623-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

  • Název nakladatele

    IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA

  • Místo vydání

    NEW YORK

  • Místo konání akce

    VŠB - TU Ostrava, CZECH REPUBLIC

  • Datum konání akce

    4. 8. 2008

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000263224700052