Hướng Dẫn Sử Dụng Data Validation

Log InSign Up

• Log In
• Sign Up
• more
• • About
  • Press
  • Papers
  • Terms
  • Privacy
  • Copyright
  • We're Hiring!
  • Help Center
  • less

Outline

keyboard_arrow_downTitleData Validation Trong Exceldownload

Download Free PDF

Download Free PDFHướng dẫn sử dụng Data ValidationMạnh Hà Nguyễnvisibility

…

description

17 pages

descriptionSee full PDFdownloadDownload PDF bookmarkSave to LibraryshareShareclose

Sign up for access to the world's latest research

Sign up for freearrow_forwardcheckGet notified about relevant paperscheckSave papers to use in your researchcheckJoin the discussion with peerscheckTrack your impactSee full PDFdownloadDownload PDF

Loading Preview

Sorry, preview is currently unavailable. You can download the paper by clicking the button above.

Related papers

Chần Đoán Rò Động Mạch Vành Trên Cắt Lớp VI Tính Đa DãyKhôi Nguyên Nguyễn

Vietnamese Journal of Radiology and Nuclear Medicine

Mục đích: Mô tả đặc điểm hình ảnh của rò động mạch vành trên cắt lớp vi tính đa dãy. Đối tượng và phương pháp nghiên cứu: Nghiên cứu được tiến hành trong thời gian từ tháng 1/2019 đến hết tháng 9/2020 trên 31 bệnh nhân được chẩn đoán rò động mạch vành trên phim chụp CLVT động mạch vành tại trung tâm Điện Quang, Bệnh Viện Bạch Mai, nghiên cứu mô tả tiến cứu.Kết quả: Trong tổng số 3322 bệnh nhân được chụp CLVT ĐMV trong thời gian nghiên cứu, có 31 bệnh nhân (11 nam, 20 nữ, tuổi trung bình 56) có rò động mạch vành, chiếm tỷ lệ 0,93%. Có 13 bệnh nhân chỉ có một đường rò duy nhất (41,9%), 18 bệnh nhân có từ hai đường rò trở lên (58,1%). 2 bệnh nhân đường rò xuất phát từ động mạch vành phải (6,5%), 11 bệnh nhân rò từ hệ động mạch vành trái (35,5%) và 18 bệnh nhân rò từ cả động mạch vành phải và trái (58,5%). Có 27 bệnh nhân đường rò đổ vào vòng tuần hoàn phải (87,1%), trong đó 74,2% ...

downloadDownload free PDFView PDFchevron_rightHệ Thống Gợi Ý Sử Dụng Thuật Toán Tối Ưu Bầy Đàn08.Trần Đình Khang

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN 2015, 2016

Kỹ thuật lọc cộng tác (Collaborative Filtering -CF) là một kỹ thuật gợi ý phổ biến nhất được sử dụng nhiều trong các hệ thống gợi ý đã được tích hợp trong các website thương mại điện tử (chẳng hạn như amazon.com, barnesandnoble.com, Yahoo! news, TripAdvisor.com). Kỹ thuật CF dựa trên giả thiết rằng những người dùng (user) có cùng sở thích thì sẽ quan tâm một tập item tương tự. Phương pháp phân cụm lọc cộng tác (Iterative Clustered CF -ICCF) và lặp cộng tác tối ưu trọng số sử dụng thuật toán PSO (PSO-Feature Weighted) thể hiện tính hiệu quả cho hệ gợi ý mà giá trị đánh giá thuộc trong tập {1, 2,…, 5}. Tuy nhiên, các kỹ thuật đó không thể trực tiếp áp dụng cho các hệ thống gợi ý trong thực tế mà giá trị đánh giá trong tập {0, 1}. Do vậy, bài báo này đề xuất việc cải tiến hai phương pháp ICCF và PSO-Feature Weighted để có thể áp dụng được cho các hệ gợi ý mà giá trị đánh giá thuộc tập {0, 1}. Kết quả thực nghiệm của hai phương pháp mà chúng tôi đưa ra áp dụng trên bộ dữ liệu hệ gợi ý công việc cho thấy độ chính xác mô hình dự đoán có cải thiện rõ rệt so với phương pháp CF truyền thống đồng thời cũng giải quyết được vấn đề dữ liệu thưa mà phương pháp CF thường gặp phải.

downloadDownload free PDFView PDFchevron_rightPhép Chuẩn Hóa Dữ Liệu Đặc Trưng Mức Thấp Của Ảnh Trong Truy Vấn Ảnh Dựa Trên Nội DungNguyễn Thyy An

FAIR - NGHIÊN CỨU CƠ BẢN VÀ ỨNG DỤNG CÔNG NGHỆ THÔNG TIN - 2017

doanh và Công nghệ Hà Nội 2 Viện Công nghệ thông tin, Viện Khoa học và Công nghệ Quân sự 3 Khoa Công nghệ Thông tin, Học viện Quản lý Giáo dục 4 Viện Công nghệ thông tin, Viện Hàn lâm Khoa học và Công nghệ Việt Nam

downloadDownload free PDFView PDFchevron_rightRút Gọn Thuộc Tính Trong Bảng Quyết Định Theo Tiếp CậnNguyen Giang

2021

TÓM TẮT: Rút gọn thuộc tính là bài toán quan trọng trong bước tiền xử lý dữ liệu của quá trình khai phá dữ liệu và khám phá tri thức. Trong mấy năm gần đây, các nhà nghiên cứu đề xuất các phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ (Fuzzy Rough Set FRS) nhằm nâng cao độ chính xác mô hình phân lớp. Tuy nhiên, số lượng thuộc tính thu được theo tiếp cận FRS chưa tối ưu do ràng buộc giữa các đối tượng trong bảng quyết định chưa được xem xét đầy đủ. Trong bài báo này, chúng tôi đề xuất phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ trực cảm (Intuitionistic Fuzzy Rough Set IFRS) dựa trên các đề xuất mới về hàm thành viên và không thành viên. Kết quả thử nghiệm trên các bộ dữ liệu mẫu cho thấy, số lượng thuộc tính của tập rút gọn theo phương pháp đề xuất giảm đáng kể so với các phương pháp FRS và một số phương pháp IFRS khác.

downloadDownload free PDFView PDFchevron_right

• Explore
• Papers
• Topics

• Features
• Mentions
• Analytics
• PDF Packages
• Advanced Search
• Search Alerts

• Journals
• Academia.edu Journals
• My submissions
• Reviewer Hub
• Why publish with us
• Testimonials

• Company
• About
• Careers
• Press
• Help Center
• Terms
• Privacy
• Copyright
• Content Policy

580 California St., Suite 400San Francisco, CA, 94104© 2026 Academia. All rights reserved