Data Mining. Concepts and Techniques, 3rd Edition

EDELKAMP

19-ch15-671-700-9780123725127

2011/5/28

14:50

Page 672

#2

This page intentionally left blank

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 633

#1

Bibliography

[AAD

+

96]

S. Agarwal, R. Agrawal, P. M. Deshpande, A. Gupta, J. F. Naughton, R. Ramakrishnan,

and S. Sarawagi. On the computation of multidimensional aggregates. In Proc. 1996 Int.

Conf. Very Large Data Bases (VLDB’96), pp. 506–521, Bombay, India, Sept. 1996.

[AAP01]

R. Agarwal, C. C. Aggarwal, and V. V. V. Prasad. A tree projection algorithm for

generation of frequent itemsets. J. Parallel and Distributed Computing, 61:350–371, 2001.

[AB79]

B. Abraham and G. E. P. Box. Bayesian analysis of some outlier problems in time series.

Biometrika, 66:229–248, 1979.

[AB99]

R. Albert and A.-L. Barabasi. Emergence of scaling in random networks. Science,

286:509–512, 1999.

[ABA06]

M. Agyemang, K. Barker, and R. Alhajj. A comprehensive survey of numeric and

symbolic outlier mining techniques. Intell. Data Anal., 10:521–538, 2006.

[ABKS99]

M. Ankerst, M. Breunig, H.-P. Kriegel, and J. Sander. OPTICS: Ordering points to iden-

tify the clustering structure. In Proc. 1999 ACM-SIGMOD Int. Conf. Management of

Data (SIGMOD’99), pp. 49–60, Philadelphia, PA, June 1999.

[AD91]

H. Almuallim and T. G. Dietterich. Learning with many irrelevant features. In Proc. 1991

Nat. Conf. Artificial Intelligence (AAAI’91), pp. 547–552, Anaheim, CA, July 1991.

[AEEK99]

M. Ankerst, C. Elsen, M. Ester, and H.-P. Kriegel. Visual classification: An interactive

approach to decision tree construction. In Proc. 1999 Int. Conf. Knowledge Discovery and

Data Mining (KDD’99), pp. 392–396, San Diego, CA, Aug. 1999.

[AEMT00]

K. M. Ahmed, N. M. El-Makky, and Y. Taha. A note on “beyond market basket:

Generalizing association rules to correlations.” SIGKDD Explorations, 1:46–48, 2000.

[AG60]

F. J. Anscombe, and I. Guttman. Rejection of outliers. Technometrics, 2:123–147, 1960.

[Aga06]

D. Agarwal. Detecting anomalies in cross-classified streams: A Bayesian approach.

Knowl. Inf. Syst., 11:29–44, 2006.

[AGAV09]

E. Amig ´o, J. Gonzalo, J. Artiles, and F. Verdejo. A comparison of extrinsic clustering eva-

luation metrics based on formal constraints. Information Retrieval, 12(4):461–486, 2009.

[Agg06]

C. C. Aggarwal. Data Streams: Models and Algorithms. Kluwer Academic, 2006.

[AGGR98]

R. Agrawal, J. Gehrke, D. Gunopulos, and P. Raghavan. Automatic subspace clustering

of high dimensional data for data mining applications. In Proc. 1998 ACM-SIGMOD

Int. Conf. Management of Data (SIGMOD’98), pp. 94–105, Seattle, WA, June 1998.

[AGM04]

F. N. Afrati, A. Gionis, and H. Mannila. Approximating a collection of frequent sets.

In Proc. 2004 ACM SIGKDD Int. Conf. Knowledge Discovery in Databases (KDD’04),

pp. 12–19, Seattle, WA, Aug. 2004.

633

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 634

#2

634

Bibliography

[AGS97]

R.Agrawal,A.Gupta,andS.Sarawagi. Modelingmultidimensionaldatabases. InProc. 1997

Int. Conf. Data Engineering (ICDE’97), pp. 232–243, Birmingham, England, Apr. 1997.

[Aha92]

D. Aha. Tolerating noisy, irrelevant, and novel attributes in instance-based learning

algorithms. Int. J. Man-Machine Studies, 36:267–287, 1992.

[AHS96]

P. Arabie, L. J. Hubert, and G. De Soete. Clustering and Classification. World Scientific,

1996.

[AHWY03]

C. C. Aggarwal, J. Han, J. Wang, and P. S. Yu. A framework for clustering evolving data

streams. In Proc. 2003 Int. Conf. Very Large Data Bases (VLDB’03), pp. 81–92, Berlin,

Germany, Sept. 2003.

[AHWY04a]

C. C. Aggarwal, J. Han, J. Wang, and P. S. Yu. A framework for projected cluster-

ing of high dimensional data streams. In Proc. 2004 Int. Conf. Very Large Data Bases

(VLDB’04), pp. 852–863, Toronto, Ontario, Canada, Aug. 2004.

[AHWY04b]

C. C. Aggarwal, J. Han, J. Wang, and P. S. Yu. On demand classification of data streams.

In Proc. 2004 ACM SIGKDD Int. Conf. Knowledge Discovery in Databases (KDD’04),

pp. 503–508, Seattle, WA, Aug. 2004.

[AIS93]

R. Agrawal, T. Imielinski, and A. Swami. Mining association rules between sets of

items in large databases. In Proc. 1993 ACM-SIGMOD Int. Conf. Management of Data

(SIGMOD’93), pp. 207–216, Washington, DC, May 1993.

[AK93]

T. Anand and G. Kahn. Opportunity explorer: Navigating large databases using knowl-

edge discovery templates. In Proc. AAAI-93 Workshop Knowledge Discovery in Databases,

pp. 45–51, Washington, DC, July 1993.

[AL99]

Y. Aumann and Y. Lindell. A statistical theory for quantitative association rules. In

Proc. 1999 Int. Conf. Knowledge Discovery and Data Mining (KDD’99), pp. 261–270,

San Diego, CA, Aug. 1999.

[All94]

B. P. Allen. Case-based reasoning: Business applications. Communications of the ACM,

37:40–42, 1994.

[Alp11]

E. Alpaydin. Introduction to Machine Learning (2nd ed.). Cambridge, MA: MIT Press,

2011.

[ALSS95]

R. Agrawal, K.-I. Lin, H. S. Sawhney, and K. Shim. Fast similarity search in the presence

of noise, scaling, and translation in time-series databases. In Proc. 1995 Int. Conf. Very

Large Data Bases (VLDB’95), pp. 490–501, Zurich, Switzerland, Sept. 1995.

[AMS

+

96]

R. Agrawal, M. Mehta, J. Shafer, R. Srikant, A. Arning, and T. Bollinger. The Quest data

mining system. In Proc. 1996 Int. Conf. Data Mining and Knowledge Discovery (KDD’96),

pp. 244–249, Portland, OR, Aug. 1996.

[Aok98]

P. M. Aoki. Generalizing “search” in generalized search trees. In Proc. 1998 Int. Conf.

Data Engineering (ICDE’98), pp. 380–389, Orlando, FL, Feb. 1998.

[AP94]

A. Aamodt and E. Plazas. Case-based reasoning: Foundational issues, methodological

variations, and system approaches. AI Communications, 7:39–52, 1994.

[AP05]

F. Angiulli, and C. Pizzuti. Outlier mining in large high-dimensional data sets. IEEE

Trans. on Knowl. and Data Eng., 17:203–215, 2005.

[APW

+

99]

C. C. Aggarwal, C. Procopiuc, J. Wolf, P. S. Yu, and J.-S. Park. Fast algorithms for

projected clustering. In Proc. 1999 ACM-SIGMOD Int. Conf. Management of Data

(SIGMOD’99), pp. 61–72, Philadelphia, PA, June 1999.

[ARV09]

S. Arora, S. Rao, and U. Vazirani. Expander flows, geometric embeddings and graph

partitioning. J. ACM, 56(2):1–37, 2009.

---