K-moyennesLe partitionnement en k-moyennes (ou k-means en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire. Étant donnés des points et un entier k, le problème est de diviser les points en k groupes, souvent appelés clusters, de façon à minimiser une certaine fonction. On considère la distance d'un point à la moyenne des points de son cluster ; la fonction à minimiser est la somme des carrés de ces distances.
NeurotransmetteurLes neurotransmetteurs, ou neuromédiateurs, sont des composés chimiques libérés par les neurones (et parfois par les cellules gliales) agissant sur d'autres neurones, appelés neurones postsynaptiques, ou, plus rarement, sur d'autres types de cellules (comme les cellules musculaires et les cellules gliales comme les astrocytes). Les neurotransmetteurs sont stockés au niveau de l'élément présynaptique dans des vésicules. Le contenu de ces vésicules est libéré (de à molécules en moyenne) dans l'espace synaptique au moment de l'arrivée d'un potentiel d'action.
Determining the number of clusters in a data setDetermining the number of clusters in a data set, a quantity often labelled k as in the k-means algorithm, is a frequent problem in data clustering, and is a distinct issue from the process of actually solving the clustering problem. For a certain class of clustering algorithms (in particular k-means, k-medoids and expectation–maximization algorithm), there is a parameter commonly referred to as k that specifies the number of clusters to detect.
Rythme circadienLe regroupe tous les processus biologiques cycliques d'une durée d'environ 24 heures. Un rythme circadien est un rythme biologique d’une durée de environ, qui possède au moins un cycle par période de . Le terme « circadien », inventé par Franz Halberg, vient du latin circa, « autour», et dies, « jour », et signifie littéralement cycle qui dure « environ un jour » Halberg, Franz. (1963). Circadian (about Twenty-Four-Hour) Rhythms in Experimental Medicine [Abridged]. Proceedings of the Royal Society of Medicine.
Clustering high-dimensional dataClustering high-dimensional data is the cluster analysis of data with anywhere from a few dozen to many thousands of dimensions. Such high-dimensional spaces of data are often encountered in areas such as medicine, where DNA microarray technology can produce many measurements at once, and the clustering of text documents, where, if a word-frequency vector is used, the number of dimensions equals the size of the vocabulary.