Rodrigo Randel, Daniel Aloise
et Alain Hertz
Communication écrite (2023)
Un lien externe est disponible pour ce document
| Département: |
Département de génie informatique et génie logiciel Département de mathématiques et de génie industriel |
|---|---|
| URL de PolyPublie: | https://publications.polymtl.ca/57230/ |
| Nom de la conférence: | SIAM International Conference on Data Mining (SDM 2023) |
| Lieu de la conférence: | Minneapolis, MN, USA |
| Date(s) de la conférence: | 2023-04-27 - 2023-04-29 |
| Maison d'édition: | Society for Industrial and Applied Mathematics Publications |
| DOI: | 10.1137/1.9781611977653 |
| URL officielle: | https://doi.org/10.1137/1.9781611977653 |
| Date du dépôt: | 29 janv. 2024 14:38 |
| Dernière modification: | 25 sept. 2024 16:49 |
| Citer en APA 7: | Randel, R., Aloise, D., & Hertz, A. (avril 2023). A Lagrangian-based approach to learn distance metrics for clustering with minimal data transformation [Communication écrite]. SIAM International Conference on Data Mining (SDM 2023), Minneapolis, MN, USA. https://doi.org/10.1137/1.9781611977653 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
