Data Mining. Concepts and Techniques, 3rd Edition

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 643

#11

Bibliography

643

[Dun03]

M. Dunham. Data Mining: Introductory and Advanced Topics. Prentice-Hall, 2003.

[DWB06]

I. Davidson, K. L. Wagstaff, and S. Basu. Measuring constraint-set utility for partitional

clustering algorithms. In Proc. 10th European Conf. Principles and Practice of Knowledge

Discovery in Databases (PKDD’06), pp. 115–126, Berlin, Germany, Sept. 2006.

[Dwo06]

C. Dwork. Differential privacy. In Proc. 2006 Int. Col. Automata, Languages and

Programming (ICALP), pp. 1–12, Venice, Italy, July 2006.

[DYXY07]

W. Dai, Q. Yang, G. Xue, and Y. Yu. Boosting for transfer learning. In Proc. 24th Intl.

Conf. Machine Learning, pp. 193–200, Corvallis, OR, June 2007.

[Ega75]

J. P. Egan. Signal Detection Theory and ROC Analysis. Academic Press, 1975.

[EK10]

D. Easley and J. Kleinberg. Networks, Crowds, and Markets: Reasoning about a Highly

Connected World. Cambridge University Press, 2010.

[Esk00]

E. Eskin. Anomaly detection over noisy data using learned probability distributions. In

Proc. 17th Int. Conf. Machine Learning (ICML’00), Stanford, CA, 2000.

[EKSX96]

M. Ester, H.-P. Kriegel, J. Sander, and X. Xu. A density-based algorithm for discovering

clusters in large spatial databases. In Proc. 1996 Int. Conf. Knowledge Discovery and Data

Mining (KDD’96), pp. 226–231, Portland, OR, Aug. 1996.

[EKX95]

M. Ester, H.-P. Kriegel, and X. Xu. Knowledge discovery in large spatial databases: Focus-

ing techniques for efficient class identification. In Proc. 1995 Int. Symp. Large Spatial

Databases (SSD’95), pp. 67–82, Portland, ME, Aug. 1995.

[Elk97]

C. Elkan. Boosting and na¨ıve Bayesian learning. In Technical Report CS97-557, Dept.

Computer Science and Engineering, University of California at San Diego, Sept.

1997.

[Elk01]

C. Elkan. The foundations of cost-sensitive learning. In Proc. 17th Intl. Joint Conf.

Artificial Intelligence (IJCAI’01), pp. 973–978, Seattle, WA, 2001.

[EN10]

R. Elmasri and S. B. Navathe. Fundamentals of Database Systems (6th ed.). Boston:

Addison-Wesley, 2010.

[Eng99]

L. English. Improving Data Warehouse and Business Information Quality: Methods for

Reducing Costs and Increasing Profits. John Wiley & Sons, 1999.

[ESAG02]

A. Evfimievski, R. Srikant, R. Agrawal, and J. Gehrke. Privacy preserving mining of asso-

ciation rules. In Proc. 2002 ACM SIGKDD Int. Conf. Knowledge Discovery and Data

Mining (KDD’02), pp. 217–228, Edmonton, Alberta, Canada, July 2002.

[ET93]

B. Efron and R. Tibshirani. An Introduction to the Bootstrap. Chapman & Hall, 1993.

[FB74]

R. A. Finkel and J. L. Bentley. Quad-trees: A data structure for retrieval on composite

keys. ACTA Informatica, 4:1–9, 1974.

[FB08]

J. Friedman and E. P. Bogdan. Predictive learning via rule ensembles. Ann. Applied

Statistics, 2:916–954, 2008.

[FBF77]

J. H. Friedman, J. L. Bentley, and R. A. Finkel. An algorithm for finding best matches in

logarithmic expected time. ACM Transactions on Math Software, 3:209–226, 1977.

[FFF99]

M. Faloutsos, P. Faloutsos, and C. Faloutsos. On power-law relationships of the internet

topology. In Proc. ACM SIGCOMM’99 Conf. Applications, Technologies, Architectures,

and Protocols for Computer Communication, pp. 251–262, Cambridge, MA, Aug. 1999.

[FG02]

M. Fishelson and D. Geiger. Exact genetic linkage computations for general pedigrees.

Disinformation, 18:189–198, 2002.

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 644

#12

644

Bibliography

[FGK

+

05]

R. Fagin, R. V. Guha, R. Kumar, J. Novak, D. Sivakumar, and A. Tomkins. Multi-

structural databases. In Proc. 2005 ACM SIGMOD-SIGACT-SIGART Symp. Principles

of Database Systems (PODS’05), pp. 184–195, Baltimore, MD, June 2005.

[FGW01]

U. Fayyad, G. Grinstein, and A. Wierse. Information Visualization in Data Mining and

Knowledge Discovery. Morgan Kaufmann, 2001.

[FH51]

E. Fix and J. L. Hodges Jr. Discriminatory analysis, non-parametric discrimination:

Consistency properties. In Technical Report 21-49-004(4), USAF School of Aviation

Medicine, Randolph Field, Texas, 1951.

[FH87]

K. Fukunaga and D. Hummels. Bayes error estimation using Parzen and k-nn procedure.

IEEE Trans. Pattern Analysis and Machine Learning, 9:634–643, 1987.

[FH95]

Y. Fu and J. Han. Meta-rule-guided mining of association rules in relational databases. In

Proc. 1995 Int. Workshop Integration of Knowledge Discovery with Deductive and Object-

Oriented Databases (KDOOD’95), pp. 39–46, Singapore, Dec. 1995.

[FI90]

U. M. Fayyad and K. B. Irani. What should be minimized in a decision tree? In Proc.

1990 Nat. Conf. Artificial Intelligence (AAAI’90), pp. 749–754, Boston, MA, 1990.

[FI92]

U. M. Fayyad and K. B. Irani. The attribute selection problem in decision tree gener-

ation. In Proc. 1992 Nat. Conf. Artificial Intelligence (AAAI’92), pp. 104–110, San Jose,

CA, 1992.

[FI93]

U. Fayyad and K. Irani. Multi-interval discretization of continuous-valued attributes

for classification learning. In Proc. 1993 Int. Joint Conf. Artificial Intelligence (IJCAI’93),

pp. 1022–1029, Chambery, France, 1993.

[Fie73]

M. Fiedler. Algebraic connectivity of graphs. Czechoslovak Mathematical J., 23:298–305,

1973.

[FL90]

S. Fahlman and C. Lebiere. The cascade-correlation learning algorithm. In Technical

Report CMU-CS-90-100, Computer Sciences Department, Carnegie Mellon University,

1990.

[FL95]

C. Faloutsos and K.-I. Lin. FastMap: A fast algorithm for indexing, data-mining and

visualization of traditional and multimedia datasets. In Proc. 1995 ACM-SIGMOD Int.

Conf. Management of Data (SIGMOD’95), pp. 163–174, San Jose, CA, May 1995.

[Fle87]

R. Fletcher. Practical Methods of Optimization. John Wiley & Sons, 1987.

[FMMT96]

T. Fukuda, Y. Morimoto, S. Morishita, and T. Tokuyama. Data mining using two-

dimensional optimized association rules: Scheme, algorithms, and visualization. In

Proc. 1996 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’96), pp. 13–23,

Montreal, Quebec, Canada, June 1996.

[FP05]

J. Friedman and B. E. Popescu. Predictive learning via rule ensembles. In Technical

Report, Department of Statistics, Stanford University, 2005.

[FPP07]

D. Freedman, R. Pisani, and R. Purves. Statistics (4th ed.). W. W. Norton & Co., 2007.

[FPSS+96]

U. M. Fayyad, G. Piatetsky-Shapiro, P. Smyth, and R. Uthurusamy (eds.). Advances in

Knowledge Discovery and Data Mining. AAAI/MIT Press, 1996.

[FP97]

T. Fawcett and F. Provost. Adaptive fraud detection. Data Mining and Knowledge

Discovery, 1:291–316, 1997.

[FR02]

C. Fraley and A. E. Raftery. Model-based clustering, discriminant analysis, and density

estimation. J. American Statistical Association, 97:611–631, 2002.

---