Data Mining. Concepts and Techniques, 3rd Edition

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 651

#19

Bibliography

651

[JW02a]

G. Jeh and J. Widom. SimRank: A measure of structural-context similarity. In Proc.

2002 ACM SIGKDD Int. Conf. Knowledge Discovery and Data Mining (KDD’02),

pp. 538–543, Edmonton, Alberta, Canada, July 2002.

[JW02b]

R. A. Johnson and D. A. Wichern. Applied Multivariate Statistical Analysis (5th ed.).

Prentice Hall, 2002.

[Kam09]

C. Kamath. Scientific Data Mining: A Practical Perspective. Society for Industrial and

Applied Mathematic (SIAM), 2009.

[Kas80]

G. V. Kass. An exploratory technique for investigating large quantities of categorical

data. Applied Statistics, 29:119–127, 1980.

[KBDM09]

B. Kulis, S. Basu, I. Dhillon, and R. Mooney. Semi-supervised graph clustering: A kernel

approach. Machine Learning, 74:1–22, 2009.

[Kec01]

V. Kecman. Learning and Soft Computing. Cambridge, MA: MIT Press, 2001.

[Kei97]

D. A. Keim. Visual techniques for exploring databases. In Tutorial Notes, 3rd Int. Conf.

Knowledge Discovery and Data Mining (KDD’97), Newport Beach, CA, Aug. 1997.

[Ker92]

R. Kerber. ChiMerge: Discretization of numeric attributes. In Proc. 1992 Nat. Conf.

Artificial Intelligence (AAAI’92), pp. 123–128, San Jose, CA, 1992.

[KF09]

D. Koller and N. Friedman. Probabilistic Graphical Models: Principles and Techniques.

Cambridge, MA: MIT Press, 2009.

[KH95]

K. Koperski and J. Han. Discovery of spatial association rules in geographic informa-

tion databases. In Proc. 1995 Int. Symp. Large Spatial Databases (SSD’95), pp. 47–66,

Portland, ME, Aug. 1995.

[KH97]

I. Kononenko and S. J. Hong. Attribute selection for modeling. Future Generation

Computer Systems, 13:181–195, 1997.

[KH09]

M.-S. Kim and J. Han. A particle-and-density based evolutionary clustering method for

dynamic networks. In Proc. 2009 Int. Conf. Very Large Data Bases (VLDB’09), Lyon,

France, Aug. 2009.

[KHC97]

M. Kamber, J. Han, and J. Y. Chiang. Metarule-guided mining of multi-dimensional

association rules using data cubes. In Proc. 1997 Int. Conf. Knowledge Discovery and

Data Mining (KDD’97), pp. 207–210, Newport Beach, CA, Aug. 1997.

[KHK99]

G. Karypis, E.-H. Han, and V. Kumar. CHAMELEON: A hierarchical clustering algo-

rithm using dynamic modeling. COMPUTER, 32:68–75, 1999.

[KHY

+

08]

H. Kargupta, J. Han, P. S. Yu, R. Motwani, and V. Kumar. Next Generation of Data

Mining. Chapman & Hall/CRC, 2008.

[KJ97]

R. Kohavi and G. H. John. Wrappers for feature subset selection. Artificial Intelligence,

97:273–324, 1997.

[KJSY04]

H. Kargupta, A. Joshi, K. Sivakumar, and Y. Yesha. Data Mining: Next Generation

Challenges and Future Directions. Cambridge, MA: AAAI/MIT Press, 2004.

[KK01]

M. Kuramochi and G. Karypis. Frequent subgraph discovery. In Proc. 2001 Int. Conf.

Data Mining (ICDM’01), pp. 313–320, San Jose, CA, Nov. 2001.

[KKW

+

10]

H. S. Kim, S. Kim, T. Weninger, J. Han, and T. Abdelzaher. NDPMine: Efficiently min-

ing discriminative numerical features for pattern-based classification. In Proc. 2010

European Conf. Machine Learning and Principles and Practice of Knowledge Discovery

in Databases (ECMLPKDD’10), Barcelona, Spain, Sept. 2010.

[KKZ09]

H.-P. Kriegel, P. Kroeger, and A. Zimek. Clustering high-dimensional data: A survey on

subspace clustering, pattern-based clustering, and correlation clustering. ACM Trans.

Knowledge Discovery from Data (TKDD), 3(1):1–58, 2009.

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 652

#20

652

Bibliography

[KLA

+

08]

M. Khan, H. Le, H. Ahmadi, T. Abdelzaher, and J. Han. DustMiner: Troubleshooting

interactive complexity bugs in sensor networks. In Proc. 2008 ACM Int. Conf. Embedded

Networked Sensor Systems (SenSys’08), pp. 99–112, Raleigh, NC, Nov. 2008.

[Kle99]

J. M. Kleinberg. Authoritative sources in a hyperlinked environment. J. ACM, 46:

604–632, 1999.

[KLV

+

98]

R. L. Kennedy, Y. Lee, B. Van Roy, C. D. Reed, and R. P. Lippman. Solving Data Mining

Problems Through Pattern Recognition. Prentice-Hall, 1998.

[KM90]

Y. Kodratoff and R. S. Michalski. Machine Learning, An Artificial Intelligence Approach,

Vol. 3. Morgan Kaufmann, 1990.

[KM94]

J. Kivinen and H. Mannila. The power of sampling in knowledge discovery. In Proc. 13th

ACM Symp. Principles of Database Systems, pp. 77–85, Minneapolis, MN, May 1994.

[KMN

+

02]

T. Kanungo, D. M. Mount, N. S. Netanyahu, C. D. Piatko, R. Silverman, and A. Y. Wu.

An efficient k-means clustering algorithm: Analysis and implementation. IEEE Trans.

Pattern Analysis and Machine Intelligence (PAMI), 24:881–892, 2002.

[KMR

+

94]

M. Klemettinen, H. Mannila, P. Ronkainen, H. Toivonen, and A. I. Verkamo. Finding

interesting rules from large sets of discovered association rules. In Proc. 3rd Int. Conf.

Information and Knowledge Management, pp. 401–408, Gaithersburg, MD, Nov. 1994.

[KMS03]

J. Kubica, A. Moore, and J. Schneider. Tractable group detection on large link data sets.

In Proc. 2003 Int. Conf. Data Mining (ICDM’03), pp. 573–576, Melbourne, FL, Nov.

2003.

[KN97]

E. Knorr and R. Ng. A unified notion of outliers: Properties and computation. In Proc.

1997 Int. Conf. Knowledge Discovery and Data Mining (KDD’97), pp. 219–222, Newport

Beach, CA, Aug. 1997.

[KNNL04]

M. H. Kutner, C. J. Nachtsheim, J. Neter, and W. Li. Applied Linear Statistical Models

with Student CD. Irwin, 2004.

[KNT00]

E. M. Knorr, R. T. Ng, and V. Tucakov. Distance-based outliers: Algorithms and appli-

cations. The VLDB J., 8:237–253, 2000.

[Koh95]

R. Kohavi. A study of cross-validation and bootstrap for accuracy estimation and model

selection. In Proc. 14th Joint Int. Conf. Artificial Intelligence (IJCAI’95), Vol. 2, pp. 1137–

1143, Montreal, Quebec, Canada, Aug. 1995.

[Kol93]

J. L. Kolodner. Case-Based Reasoning. Morgan Kaufmann, 1993.

[Kon95]

I. Kononenko. On biases in estimating multi-valued attributes. In Proc. 14th Joint Int.

Conf. Artificial Intelligence (IJCAI’95), Vol. 2, pp. 1034–1040, Montreal, Quebec, Canada,

Aug. 1995.

[Kot88]

P. Koton. Reasoning about evidence in causal explanation. In Proc. 7th Nat. Conf.

Artificial Intelligence (AAAI’88), pp. 256–263, St. Paul, MN, Aug. 1988.

[KPR98]

J. M. Kleinberg, C. Papadimitriou, and P. Raghavan. A microeconomic view of data

mining. Data Mining and Knowledge Discovery, 2:311–324, 1998.

[KPS03]

R. M. Karp, C. H. Papadimitriou, and S. Shenker. A simple algorithm for finding

frequent elements in streams and bags. ACM Trans. Database Systems, 28:51–55, 2003.

[KR90]

L. Kaufman and P. J. Rousseeuw. Finding Groups in Data: An Introduction to Cluster

Analysis. John Wiley & Sons, 1990.

[KR02]

R. Kimball and M. Ross. The Data Warehouse Toolkit: The Complete Guide to Dimen-

sional Modeling (2nd ed.). John Wiley & Sons, 2002.

---