Data Mining. Concepts and Techniques, 3rd Edition

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 659

#27

Bibliography

659

[NKNW96]

J. Neter, M. H. Kutner, C. J. Nachtsheim, and L. Wasserman. Applied Linear Statistical

Models (4th ed.). Irwin, 1996.

[NLHP98]

R. Ng, L. V. S. Lakshmanan, J. Han, and A. Pang. Exploratory mining and pruning

optimizations of constrained associations rules. In Proc. 1998 ACM-SIGMOD Int. Conf.

Management of Data (SIGMOD’98), pp. 13–24, Seattle, WA, June 1998.

[NRS99]

A. Natsev, R. Rastogi, and K. Shim. Walrus: A similarity retrieval algorithm for image

databases. In Proc. 1999 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’99),

pp. 395–406, Philadelphia, PA, June 1999.

[NW99]

J.

Nocedal

and

S.

J.

Wright.

Numerical

Optimization.

Springer

Verlag,

1999.

[OFG97]

E. Osuna, R. Freund, and F. Girosi. An improved training algorithm for support vec-

tor machines. In Proc. 1997 IEEE Workshop Neural Networks for Signal Processing

(NNSP’97), pp. 276–285, Amelia Island, FL, Sept. 1997.

[OG95]

P. O’Neil and G. Graefe. Multi-table joins through bitmapped join indices. SIGMOD

Record, 24:8–11, Sept. 1995.

[Ols03]

J. E. Olson. Data Quality: The Accuracy Dimension. Morgan Kaufmann, 2003.

[Omi03]

E. Omiecinski. Alternative interest measures for mining associations. IEEE Trans.

Knowledge and Data Engineering, 15:57–69, 2003.

[OMM

+

02]

L. O’Callaghan, A. Meyerson, R. Motwani, N. Mishra, and S. Guha. Streaming-data

algorithms for high-quality clustering. In Proc. 2002 Int. Conf. Data Engineering

(ICDE’02), pp. 685–696, San Fransisco, CA, Apr. 2002.

[OQ97]

P. O’Neil and D. Quass. Improved query performance with variant indexes. In Proc. 1997

ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’97), pp. 38–49, Tucson, AZ,

May 1997.

[ORS98]

B. ¨

Ozden, S. Ramaswamy, and A. Silberschatz. Cyclic association rules. In Proc. 1998 Int.

Conf. Data Engineering (ICDE’98), pp. 412–421, Orlando, FL, Feb. 1998.

[Pag89]

G. Pagallo. Learning DNF by decision trees. In Proc. 1989 Int. Joint Conf. Artificial

Intelligence (IJCAI’89), pp. 639–644, San Francisco, CA, 1989.

[Paw91]

Z. Pawlak. Rough Sets, Theoretical Aspects of Reasoning about Data. Kluwer Academic,

1991.

[PB00]

J. C. Pinheiro and D. M. Bates. Mixed Effects Models in S and S-PLUS. Springer Verlag,

2000.

[PBTL99]

N. Pasquier, Y. Bastide, R. Taouil, and L. Lakhal. Discovering frequent closed itemsets

for association rules. In Proc. 7th Int. Conf. Database Theory (ICDT’99), pp. 398–416,

Jerusalem, Israel, Jan. 1999.

[PCT

+

03]

F. Pan, G. Cong, A. K. H. Tung, J. Yang, and M. Zaki. CARPENTER: Finding closed

patterns in long biological datasets. In Proc. 2003 ACM SIGKDD Int. Conf. Knowledge

Discovery and Data Mining (KDD’03), pp. 637–642, Washington, DC, Aug. 2003.

[PCY95a]

J. S. Park, M. S. Chen, and P. S. Yu. An effective hash-based algorithm for mining associ-

ation rules. In Proc. 1995 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’95),

pp. 175–186, San Jose, CA, May 1995.

[PCY95b]

J. S. Park, M. S. Chen, and P. S. Yu. Efficient parallel mining for association rules. In

Proc. 4th Int. Conf. Information and Knowledge Management, pp. 31–36, Baltimore, MD,

Nov. 1995.

[Pea88]

J. Pearl. Probabilistic Reasoning in Intelligent Systems. Morgan Kaufmann, 1988.

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 660

#28

660

Bibliography

[PHL01]

J. Pei, J. Han, and L. V. S. Lakshmanan. Mining frequent itemsets with convertible con-

straints. In Proc. 2001 Int. Conf. Data Engineering (ICDE’01), pp. 433–442, Heidelberg,

Germany, Apr. 2001.

[PHL

+

01]

J. Pei, J. Han, H. Lu, S. Nishio, S. Tang, and D. Yang, H-Mine: Hyper-Structure Mining of

Frequent Patterns in Large Databases. In Proc. 2001 Int. Conf. Data Mining (ICDM’01),

pp. 441–448, San Jose, CA, Nov. 2001.

[PHL04]

L. Parsons, E. Haque, and H. Liu. Subspace clustering for high dimensional data: A

review. SIGKDD Explorations, 6:90–105, 2004.

[PHM00]

J. Pei, J. Han, and R. Mao. CLOSET: An efficient algorithm for mining frequent closed

itemsets. In Proc. 2000 ACM-SIGMOD Int. Workshop Data Mining and Knowledge

Discovery (DMKD’00), pp. 11–20, Dallas, TX, May 2000.

[PHM-A

+

01] J. Pei, J. Han, B. Mortazavi-Asl, H. Pinto, Q. Chen, U. Dayal, and M.-C. Hsu. PrefixSpan:

Mining sequential patterns efficiently by prefix-projected pattern growth. In Proc. 2001

Int. Conf. Data Engineering (ICDE’01), pp. 215–224, Heidelberg, Germany, Apr. 2001.

[PHM-A

+

04] J. Pei, J. Han, B. Mortazavi-Asl, J. Wang, H. Pinto, Q. Chen, U. Dayal, and M.-C. Hsu.

Mining sequential patterns by pattern-growth: The prefixSpan approach. IEEE Trans.

Knowledge and Data Engineering, 16:1424–1440, 2004.

[PI97]

V. Poosala and Y. Ioannidis. Selectivity estimation without the attribute value

independence assumption. In Proc. 1997 Int. Conf. Very Large Data Bases (VLDB’97),

pp. 486–495, Athens, Greece, Aug. 1997.

[PKGF03]

S. Papadimitriou, H. Kitagawa, P. B. Gibbons, and C. Faloutsos. Loci: Fast outlier detec-

tion using the local correlation integral. In Proc. 2003 Int. Conf. Data Engineering

(ICDE’03), pp. 315–326, Bangalore, India, Mar. 2003.

[PKMT99]

A. Pfeffer, D. Koller, B. Milch, and K. Takusagawa. SPOOK: A system for probabilistic

object-oriented knowledge representation. In Proc. 15th Annual Conf. Uncertainty in

Artificial Intelligence (UAI’99), pp. 541–550, Stockholm, Sweden, 1999.

[PKZT01]

D. Papadias, P. Kalnis, J. Zhang, and Y. Tao. Efficient OLAP operations in spatial

data warehouses. In Proc. 2001 Int. Symp. Spatial and Temporal Databases (SSTD’01),

pp. 443–459, Redondo Beach, CA, July 2001.

[PL07]

B. Pang and L. Lee. Opinion mining and sentiment analysis. Foundations and Trends in

Information Retrieval, 2:1–135, 2007.

[Pla98]

J. C. Platt. Fast training of support vector machines using sequential minimal

optimization. In B. Sch¨olkopf, C. J. C. Burges, and A. Smola (eds.), Advances in Kernel

Methods—Support Vector Learning, pp. 185–208. Cambridge, MA: MIT Press, 1998.

[PP07]

A. Patcha, and J.-M. Park. An overview of anomaly detection techniques: Existing

solutions and latest technological trends. Computer Networks, 51(12):3448–3470, 2007.

[PS85]

F. P. Preparata and M. I. Shamos. Computational Geometry: An Introduction. Springer

Verlag, 1985.

[P-S91]

G. Piatetsky-Shapiro. Notes AAAI’91 Workshop Knowledge Discovery in Databases

(KDD’91). Anaheim, CA, July 1991.

[P-SF91]

G. Piatetsky-Shapiro and W. J. Frawley. Knowledge Discovery in Databases. AAAI/MIT

Press, 1991.

[PTCX04]

F. Pan, A. K. H. Tung, G. Cong, and X. Xu. COBBLER: Combining column and row

enumeration for closed pattern discovery. In Proc. 2004 Int. Conf. Scientific and Statistical

Database Management (SSDBM’04), pp. 21–30, Santorini Island, Greece, June 2004.

---