Data Mining. Concepts and Techniques, 3rd Edition

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 663

#31

Bibliography

663

[SBSW99]

B. Sch¨olkopf, P. L. Bartlett, A. Smola, and R. Williamson. Shrinking the tube: A new

support vector regression algorithm. In M. S. Kearns, S. A. Solla, and D. A. Cohn (eds.),

Advances in Neural Information Processing Systems 11, pp. 330–336. Cambridge, MA:

MIT Press, 1999.

[SC03]

S. Shekhar and S. Chawla. Spatial Databases: A Tour. Prentice-Hall, 2003.

[Sch86]

J. C. Schlimmer. Learning and representation change. In Proc. 1986 Nat. Conf. Artificial

Intelligence (AAAI’86), pp. 511–515, Philadelphia, PA, 1986.

[Sch07]

S. E. Schaeffer. Graph clustering. Computer Science Rev., 1:27–64, 2007.

[SCZ98]

G. Sheikholeslami, S. Chatterjee, and A. Zhang. WaveCluster: A multi-resolution clus-

tering approach for very large spatial databases. In Proc. 1998 Int. Conf. Very Large Data

Bases (VLDB’98), pp. 428–439, New York, Aug. 1998.

[SD90]

J. W. Shavlik and T. G. Dietterich. Readings in Machine Learning. Morgan Kaufmann,

1990.

[SD02]

T. Soukup and I. Davidson. Visual Data Mining: Techniques and Tools for Data Visual-

ization and Mining. Wiley, 2002.

[SDJL96]

D. Srivastava, S. Dar, H. V. Jagadish, and A. V. Levy. Answering queries with aggregation

using views. In Proc. 1996 Int. Conf. Very Large Data Bases (VLDB’96), pp. 318–329,

Bombay, India, Sept. 1996.

[SDN98]

A. Shukla, P. M. Deshpande, and J. F. Naughton. Materialized view selection for

multidimensional datasets. In Proc. 1998 Int. Conf. Very Large Data Bases (VLDB’98),

pp. 488–499, New York, Aug. 1998.

[SE10]

G. Seni and J. F. Elder. Ensemble Methods in Data Mining: Improving Accuracy Through

Combining Predictions. Morgan and Claypool, 2010.

[Set10]

B. Settles. Active learning literature survey. In Computer Sciences Technical Report 1648,

University of Wisconsin–Madison, 2010.

[SF86]

J. C. Schlimmer and D. Fisher. A case study of incremental concept induction. In Proc.

1986 Nat. Conf. Artificial Intelligence (AAAI’86), pp. 496–501, Philadelphia, PA, 1986.

[SFB99]

J. Shanmugasundaram, U. M. Fayyad, and P. S. Bradley. Compressed data cubes for

OLAP aggregate query approximation on continuous dimensions. In Proc. 1999 Int.

Conf. Knowledge Discovery and Data Mining (KDD’99), pp. 223–232, San Diego, CA,

Aug. 1999.

[SG92]

P. Smyth and R. M. Goodman. An information theoretic approach to rule induction.

IEEE Trans. Knowledge and Data Engineering, 4:301–316, 1992.

[She31]

W. A. Shewhart. Economic Control of Quality of Manufactured Product. D. Van Nostrand,

1931.

[Shi99]

Y.-S. Shih. Families of splitting criteria for classification trees. Statistics and Computing,

9:309–315, 1999.

[SHK00]

N. Stefanovic, J. Han, and K. Koperski. Object-based selective materialization for effi-

cient implementation of spatial data cubes. IEEE Trans. Knowledge and Data Engi-

neering, 12:938–958, 2000.

[Sho97]

A. Shoshani. OLAP and statistical databases: Similarities and differences. In Proc. 16th

ACM Symp. Principles of Database Systems, pp. 185–196, Tucson, AZ, May 1997.

[Shu88]

R. H. Shumway. Applied Statistical Time Series Analysis. Prentice-Hall, 1988.

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 664

#32

664

Bibliography

[SHX04]

Z. Shao, J. Han, and D. Xin. MM-Cubing: Computing iceberg cubes by factorizing the

lattice space. In Proc. 2004 Int. Conf. Scientific and Statistical Database Management

(SSDBM’04), pp. 213–222, Santorini Island, Greece, June 2004.

[SHZ

+

09]

Y. Sun, J. Han, P. Zhao, Z. Yin, H. Cheng, and T. Wu. RankClus: Integrating clustering

with ranking for heterogeneous information network analysis. In Proc. 2009 Int. Conf.

Extending Data Base Technology (EDBT’09), pp. 565–576, Saint Petersburg, Russia, Mar.

2009.

[Sil10]

F. Silvestri. Mining query logs: Turning search usage data into knowledge. Foundations

and Trends in Information Retrieval, 4:1–174, 2010.

[SK08]

J. Shieh and E. Keogh. iSAX: Indexing and mining terabyte sized time series. In Proc.

2008 ACM SIGKDD Int. Conf. Knowledge Discovery and Data Mining (KDD’08), pp. 623–

631, Las Vegas, NV, Aug. 2008.

[SKS10]

A. Silberschatz, H. F. Korth, and S. Sudarshan. Database System Concepts (6th ed.).

McGraw-Hill, 2010.

[SLT

+

01]

S. Shekhar, C.-T. Lu, X. Tan, S. Chawla, and R. R. Vatsavai. Map cube: A visualiza-

tion tool for spatial data warehouses. In H. J. Miller and J. Han (eds.), Geographic Data

Mining and Knowledge Discovery, pp. 73–108. Taylor and Francis, 2001.

[SM97]

J. C. Setubal and J. Meidanis. Introduction to Computational Molecular Biology. PWS

Publishing Co., 1997.

[SMT91]

J. W. Shavlik, R. J. Mooney, and G. G. Towell. Symbolic and neural learning algorithms:

An experimental comparison. Machine Learning, 6:111–144, 1991.

[SN88]

K. Saito and R. Nakano. Medical diagnostic expert system based on PDP model. In Proc.

1988 IEEE Int. Conf. Neural Networks, pp. 225–262, San Mateo, CA, 1988.

[SOMZ96]

W. Shen, K. Ong, B. Mitbander, and C. Zaniolo. Metaqueries for data mining. In

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

Knowledge Discovery and Data Mining, pp. 375–398. AAAI/MIT Press, 1996.

[SON95]

A. Savasere, E. Omiecinski, and S. Navathe. An efficient algorithm for mining associa-

tion rules in large databases. In Proc. 1995 Int. Conf. Very Large Data Bases (VLDB’95),

pp. 432–443, Zurich, Switzerland, Sept. 1995.

[SON98]

A. Savasere, E. Omiecinski, and S. Navathe. Mining for strong negative associations in

a large database of customer transactions. In Proc. 1998 Int. Conf. Data Engineering

(ICDE’98), pp. 494–502, Orlando, FL, Feb. 1998.

[SR81]

R. Sokal and F. Rohlf. Biometry. Freeman, 1981.

[SR92]

A. Skowron and C. Rauszer. The discernibility matrices and functions in information

systems. In R. Slowinski (ed.), Intelligent Decision Support, Handbook of Applications

and Advances of the Rough Set Theory, pp. 331–362. Kluwer Academic, 1992.

[SS88]

W. Siedlecki and J. Sklansky. On automatic feature selection. Int. J. Pattern Recognition

and Artificial Intelligence, 2:197–220, 1988.

[SS94]

S. Sarawagi and M. Stonebraker. Efficient organization of large multidimensional arrays.

In Proc. 1994 Int. Conf. Data Engineering (ICDE’94), pp. 328–336, Houston, TX, Feb.

1994.

[SS01]

G. Sathe and S. Sarawagi. Intelligent rollups in multidimensional OLAP data. In

Proc. 2001 Int. Conf. Very Large Data Bases (VLDB’01), pp. 531–540, Rome, Italy, Sept.

2001.

---