标题 |
K1K2NN: A Novel Multi-Label Classification Approach Based on Neighbors for Predicting COVID-19 Drug Side Effects
K1K2NN:一种预测新冠肺炎药物副作用的基于邻域的多标签分类新方法
相关领域
雅卡索引
药品
分类器(UML)
2019年冠状病毒病(COVID-19)
药物重新定位
多标签分类
计算机科学
相似性(几何)
人工智能
样品(材料)
机器学习
k-最近邻算法
数据挖掘
模式识别(心理学)
医学
药理学
化学
疾病
病理
传染病(医学专业)
图像(数学)
色谱法
|
网址 | |
DOI | |
其它 |
期刊:Computational biology and chemistry 作者:Pranab Jyoti Das; Dilwar Hussain Mazumder 出版日期:2024-06-01 |
求助人 | |
下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|