Data Mining. Concepts and Techniques, 3rd Edition

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 649

#17

Bibliography

649

[HMM86]

J. Hong, I. Mozetic, and R. S. Michalski. Incremental learning of attribute-based

descriptions from examples, the method and user’s guide. In Report ISG 85-5,

UIUCDCS-F-86-949, Department of Computer Science, University of Illinois at

Urbana-Champaign, 1986.

[HMS66]

E. B. Hunt, J. Marin, and P. T. Stone. Experiments in Induction. Academic Press, 1966.

[HMS01]

D. J. Hand, H. Mannila, and P. Smyth. Principles of Data Mining (Adaptive Computation

and Machine Learning). Cambridge, MA: MIT Press, 2001.

[HN90]

R. Hecht-Nielsen. Neurocomputing. Reading, MA: Addison-Wesley, 1990.

[Hor08]

R. Horak. Telecommunications and Data Communications Handbook (2nd ed.). Wiley-

Interscience, 2008.

[HP07]

M. Hua and J. Pei. Cleaning disguised missing data: A heuristic approach. In Proc.

2007 ACM SIGKDD Intl. Conf. Knowledge Discovery and Data Mining (KDD’07),

pp. 950–958, San Jose, CA, Aug. 2007.

[HPDW01]

J. Han, J. Pei, G. Dong, and K. Wang. Efficient computation of iceberg cubes with

complex measures. In Proc. 2001 ACM-SIGMOD Int. Conf. Management of Data

(SIGMOD’01), pp. 1–12, Santa Barbara, CA, May 2001.

[HPS97]

J. Hosking, E. Pednault, and M. Sudan. A statistical perspective on data mining. Future

Generation Computer Systems, 13:117–134, 1997.

[HPY00]

J. Han, J. Pei, and Y. Yin. Mining frequent patterns without candidate generation. In

Proc. 2000 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’00), pp. 1–12,

Dallas, TX, May 2000.

[HRMS10]

M. Hay, V. Rastogi, G. Miklau, and D. Suciu. Boosting the accuracy of differentially-

private queries through consistency. In Proc. 2010 Int. Conf. Very Large Data Bases

(VLDB’10), pp. 1021–1032, Singapore, Sept. 2010.

[HRU96]

V. Harinarayan, A. Rajaraman, and J. D. Ullman. Implementing data cubes efficiently. In

Proc. 1996 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’96), pp. 205–216,

Montreal, Quebec, Canada, June 1996.

[HS05]

J. M. Hellerstein and M. Stonebraker. Readings in Database Systems (4th ed.). Cam-

bridge, MA: MIT Press, 2005.

[HSG90]

S. A. Harp, T. Samad, and A. Guha. Designing application-specific neural networks

using the genetic algorithm. In D. S. Touretzky (ed.), Advances in Neural Information

Processing Systems II, pp. 447–454. Morgan Kaufmann, 1990.

[HT98]

T. Hastie and R. Tibshirani. Classification by pairwise coupling. Ann. Statistics, 26:451–

471, 1998.

[HTF09]

T. Hastie, R. Tibshirani, and J. Friedman. The Elements of Statistical Learning: Data

Mining, Inference, and Prediction (2nd ed.). Springer Verlag, 2009.

[Hua98]

Z. Huang. Extensions to the k-means algorithm for clustering large data sets with

categorical values. Data Mining and Knowledge Discovery, 2:283–304, 1998.

[Hub94]

C. H. Huberty. Applied Discriminant Analysis. Wiley-Interscience, 1994.

[Hub96]

B. B. Hubbard. The World According to Wavelets. A. K. Peters, 1996.

[HWB

+

04]

J. Huan, W. Wang, D. Bandyopadhyay, J. Snoeyink, J. Prins, and A. Tropsha. Min-

ing spatial motifs from protein structure graphs. In Proc. 8th Int. Conf. Research in

Computational Molecular Biology (RECOMB), pp. 308–315, San Diego, CA, Mar. 2004.

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 650

#18

650

Bibliography

[HXD03]

Z. He, X. Xu, and S. Deng. Discovering cluster-based local outliers. Pattern Recognition

Lett., 24:1641–1650, June, 2003.

[IGG03]

C. Imhoff, N. Galemmo, and J. G. Geiger. Mastering Data Warehouse Design: Relational

and Dimensional Techniques. John Wiley & Sons, 2003.

[IKA02]

T. Imielinski, L. Khachiyan, and A. Abdulghani. Cubegrades: Generalizing association

rules. Data Mining and Knowledge Discovery, 6:219–258, 2002.

[IM96]

T. Imielinski and H. Mannila. A database perspective on knowledge discovery. Commu-

nications of the ACM, 39:58–64, 1996.

[Inm96]

W. H. Inmon. Building the Data Warehouse. John Wiley & Sons, 1996.

[IWM98]

A. Inokuchi, T. Washio, and H. Motoda. An apriori-based algorithm for mining frequent

substructures from graph data. In Proc. 2000 European Symp. Principles of Data Mining

and Knowledge Discovery (PKDD’00), pp. 13–23, Lyon, France, Sept. 1998.

[Jac88]

R. Jacobs. Increased rates of convergence through learning rate adaptation. Neural

Networks, 1:295–307, 1988.

[Jai10]

A. K. Jain. Data clustering: 50 years beyond k-means. Pattern Recognition Lett.,

31(8):651–666, 2010.

[Jam85]

M. James. Classification Algorithms. John Wiley & Sons, 1985.

[JBD05]

X. Ji, J. Bailey, and G. Dong. Mining minimal distinguishing subsequence patterns with

gap constraints. In Proc. 2005 Int. Conf. Data Mining (ICDM’05), pp. 194–201, Houston,

TX, Nov. 2005.

[JD88]

A. K. Jain and R. C. Dubes. Algorithms for Clustering Data. Prentice-Hall, 1988.

[Jen96]

F. V. Jensen. An Introduction to Bayesian Networks. Springer Verlag, 1996.

[JL96]

G. H. John and P. Langley. Static versus dynamic sampling for data mining. In Proc. 1996

Int. Conf. Knowledge Discovery and Data Mining (KDD’96), pp. 367–370, Portland, OR,

Aug. 1996.

[JMF99]

A. K. Jain, M. N. Murty, and P. J. Flynn. Data clustering: A survey. ACM Computing

Surveys, 31:264–323, 1999.

[Joh97]

G. H. John. Enhancements to the Data Mining Process. Ph.D. Thesis, Computer Science

Department, Stanford University, 1997.

[Joh99]

G. H. John. Behind-the-scenes data mining: A report on the KDD-98 panel. SIGKDD

Explorations, 1:6–8, 1999.

[JP04]

N. C. Jones and P. A. Pevzner. An Introduction to Bioinformatics Algorithms. Cambridge,

MA: MIT Press, 2004.

[JSD

+

10]

M. Ji, Y. Sun, M. Danilevsky, J. Han, and J. Gao. Graph regularized transductive

classification on heterogeneous information networks. In Proc. 2010 European Conf.

Machine Learning and Principles and Practice of Knowledge Discovery in Databases

(ECMLPKDD’10), pp. 570–586, Barcelona, Spain, Sept. 2010.

[JTH01]

W. Jin, K. H. Tung, and J. Han. Mining top-n local outliers in large databases. In Proc.

2001 ACM SIGKDD Int. Conf. Knowledge Discovery in Databases (KDD’01), pp. 293–298,

San Fransisco, CA, Aug. 2001.

[JTHW06]

W. Jin, A. K. H. Tung, J. Han, and W. Wang. Ranking outliers using symmetric neigh-

borhood relationship. In Proc. 2006 Pacific-Asia Conf. Knowledge Discovery and Data

Mining (PAKDD’06), Singapore, Apr. 2006.

[JW92]

R. A. Johnson and D. A. Wichern. Applied Multivariate Statistical Analysis (3rd ed.).

Prentice-Hall, 1992.

---