| 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。
|
个性的紫菜
Maimai
寻道图强
newfat
cctv18
benben
gjww
shinysparrow
坚强的广山
AlinaG
11
贾静雯
寻寻觅觅呢
aldehyde
农业土壤
wk990240
Singularity
tuanheqi
情怀
凤凰
皖公网安备34019202002308
