高级数据开采和应用/Advanced Data Mining and Applications

图书标准信息

• 作者 Xue Li 著
• 出版社 北京燕山出版社
• 出版时间 2005-08
• 版次 1
• ISBN 9783540278948
• 定价 983.10元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 835页

【内容简介】

This book constitutes the refereed proceedings of the First International Conference on Advanced Data Mining and Applications, ADMA 2005, held in Wuhan, China in July 2005.

  The conference was focused on sophisticated techniques and tools that can handle new fields of data mining, e.g. spatial data mining, biomedical data mining, and mining on high-speed and time-variant data streams; an expansion of data mining to new applications is also strived for. The 25 revised full papers and 75 revised short papers presented were carefully peer-reviewed and selected from over 600 submissions. The papers are organized in topical sections on association rules, classification, clustering, novel algorithms, text mining, multimedia mining, sequential data mining and time series mining, web mining, biomedical mining, advanced applications, security and privacy issues, spatial data mining, and streaming data mining.

【目录】

Keynote Papers

　Decision Making with Uncertainty and Data Mining

　Complex Networks and Networked Data Mining

　In-Depth Data Mining and Its Application in Stock Market

　Relevance of Counting in Data Mining Tasks

Invited Papers

　Term Graph Model for Text Classification

　A Latent Usage Approach for Clustering Web Transaction and Building User Profile

　Association Rules

　Mining Quantitative Association Rules on Overlapped Intervals

　An Approach to Mining Local Causal Relationships from Databases

　Mining Least Relational Patterns from Multi Relational Tables

　Finding All Frequent Patterns Starting from the Closure

　Multiagent Association Rules Mining in Cooperative Learning Systems

　VisAR: A New Technique for Visualizing Mined Association Rules

　An Efficient Algorithm for Mining Both Closed and Maximal Frequent Free Subtrees Using Canonical Forms

Classification

　E-CIDIM: Ensemble of CIDIM Classifiers

　PartiMly Supervised Classification - Based on Weighted Unlabeled　Samples Support Vector Machine

　Mining Correlated Rules for Associative Classification

　A Comprehensively Sized Decision Tree Generation Method for Interactive Data Mining of Very Large Databases

　Using Latent Class Models for Neighbors Selection in Collaborative Filtering

　A Polynomial Smooth Support Vector Machine for Classification

　Reducts in Incomplete Decision Tables

　Learning k-Nearest Neighbor Naive Bayes for Ranking

　One Dependence Augmented Naive Bayes

Clustering

　A Genetic k-Modes Algorithm for Clustering Categorical Data

……

Novel Algorithms

Text Mining

Multimedia Mining

Sequential Data Mining and Time Series Mining

Web Mining

Biomedical Mining

Advanced Applications

Security and Privacy Issues

Spatial Data Mining

Streaming Data Mining

Author Index