2018
DOI: 10.1063/1.5064230
|View full text |Cite
|
Sign up to set email alerts
|

Multiclass classification on brain cancer with multiple support vector machine and feature selection based on kernel function

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
1
0
1

Year Published

2023
2023
2024
2024

Publication Types

Select...
3

Relationship

0
3

Authors

Journals

citations
Cited by 3 publications
(2 citation statements)
references
References 5 publications
0
1
0
1
Order By: Relevance
“…Pendidikan merupakan aspek krusial dalam pembentukan individu dan masyarakat. Di era dimana teknologi semakin meresap ke dalam berbagai bidang kehidupan (Kharis et al, 2019(Kharis et al, , 2024Kharis, Robiansyah, Maulana, et al, 2023;Kharis, Tarigan, et al, 2023;Kharis, Zili, Putri, et al, 2023;Rustam & Kharis, 2018, 2020Zili et al, 2022), pendidikan tidak luput dari dampaknya. Salah satu perkembangan teknologi yang semakin menonjol dalam konteks pendidikan adalah kecerdasan buatan (artificial intelligence, AI) Kharis, Zili, Zubir, et al, 2023).…”
Section: Pendahuluanunclassified
“…Pendidikan merupakan aspek krusial dalam pembentukan individu dan masyarakat. Di era dimana teknologi semakin meresap ke dalam berbagai bidang kehidupan (Kharis et al, 2019(Kharis et al, , 2024Kharis, Robiansyah, Maulana, et al, 2023;Kharis, Tarigan, et al, 2023;Kharis, Zili, Putri, et al, 2023;Rustam & Kharis, 2018, 2020Zili et al, 2022), pendidikan tidak luput dari dampaknya. Salah satu perkembangan teknologi yang semakin menonjol dalam konteks pendidikan adalah kecerdasan buatan (artificial intelligence, AI) Kharis, Zili, Zubir, et al, 2023).…”
Section: Pendahuluanunclassified
“…Currently, there are few feature selection methods that directly handle both continuous and categorical variables. In general, kernel methods and tree ensemble approaches are common for semiparametric GS models with both continuous and categorical variables [ 30 ]. A mixed linear GS model with high marker density leads to nonlinear regression in the surrounding space.…”
Section: Introductionmentioning
confidence: 99%