Recursive Clustering Hematological Data Using Mixture of Exponential Components

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00482566" target="_blank" >RIV/67985556:_____/17:00482566 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1109/ICIIBMS.2017.8279700" target="_blank" >http://dx.doi.org/10.1109/ICIIBMS.2017.8279700</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICIIBMS.2017.8279700" target="_blank" >10.1109/ICIIBMS.2017.8279700</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Recursive Clustering Hematological Data Using Mixture of Exponential Components
Popis výsledku v původním jazyce
The paper deals with the mixture-based clustering of anonymized data of patients with leukemia. The presented clustering algorithm is based on the recursive Bayesian mixture estimation for the case of exponential components and the data-dependent dynamic pointer model. The main contribution of the paper is the online performance of clustering, which allows us to actualize the statistics of components and the pointer model with each new measurement. Results of the application of the algorithm to the clustering of hematological data are demonstrated and compared with theoretical counterparts.n
Název v anglickém jazyce
Recursive Clustering Hematological Data Using Mixture of Exponential Components
Popis výsledku anglicky
The paper deals with the mixture-based clustering of anonymized data of patients with leukemia. The presented clustering algorithm is based on the recursive Bayesian mixture estimation for the case of exponential components and the data-dependent dynamic pointer model. The main contribution of the paper is the online performance of clustering, which allows us to actualize the statistics of components and the pointer model with each new measurement. Results of the application of the algorithm to the clustering of hematological data are demonstrated and compared with theoretical counterparts.n

Projekt
<a href="/cs/project/GA15-03564S" target="_blank" >GA15-03564S: Shlukování a klasifikace s využitím rekurzivního odhadování modelu směsi distribucí</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of International Conference on Intelligent Informatics and BioMedical Sciences ICIIBMS 2017
ISBN
978-1-5090-6665-0
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
63-70
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
Okinawa
Datum konání akce
24. 11. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000426897300015

Podobné výsledky(10)