Data Mining. Concepts and Techniques, 3rd Edition

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 667

#35

Bibliography

667

[VC06]

M. Vuk and T. Curk. ROC curve, lift chart and calibration plot. Metodoloˇski zvezki,

3:89–108, 2006.

[VCZ10]

J. Vaidya, C. W. Clifton, and Y. M. Zhu. Privacy Preserving Data Mining. New York:

Springer, 2010.

[VGK02]

M. Vlachos, D. Gunopulos, and G. Kollios. Discovering similar multidimensional trajec-

tories. In Proc. 2002 Int. Conf. Data Engineering (ICDE’02), pp. 673–684, San Fransisco,

CA, Apr. 2002.

[VMZ06]

A. Veloso, W. Meira, and M. Zaki. Lazy associative classificaiton. In Proc. 2006 Int. Conf.

Data Mining (ICDM’06), pp. 645–654, Hong Kong, China, 2006.

[vR90]

C. J. van Rijsbergen. Information Retrieval. Butterworth, 1990.

[VWI98]

J. S. Vitter, M. Wang, and B. R. Iyer. Data cube approximation and histograms via

wavelets. In Proc. 1998 Int. Conf. Information and Knowledge Management (CIKM’98),

pp. 96–104, Washington, DC, Nov. 1998.

[Wat95]

M. S. Waterman. Introduction to Computational Biology: Maps, Sequences, and Genomes

(Interdisciplinary Statistics). CRC Press, 1995.

[Wat03]

D. J. Watts. Six Degrees: The Science of a Connected Age. W. W. Norton & Company, 2003.

[WB98]

C. Westphal and T. Blaxton. Data Mining Solutions: Methods and Tools for Solving Real-

World Problems. John Wiley & Sons, 1998.

[WCH10]

T. Wu, Y. Chen, and J. Han. Re-examination of interestingness measures in pattern

mining: A unified framework. Data Mining and Knowledge Discovery, 21(3):371–397,

2010.

[WCRS01]

K. Wagstaff, C. Cardie, S. Rogers, and S. Schr¨odl. Constrained k-means clustering with

background knowledge. In Proc. 2001 Int. Conf. Machine Learning (ICML’01), pp. 577–

584, Williamstown, MA, June 2001.

[Wei04]

G. M. Weiss. Mining with rarity: A unifying framework. SIGKDD Explorations, 6:7–19,

2004.

[WF94]

S. Wasserman and K. Faust. Social Network Analysis: Methods and Applications. Cam-

bridge University Press, 1994.

[WF05]

I. H. Witten and E. Frank. Data Mining: Practical Machine Learning Tools and Techniques

(2nd ed.). Morgan Kaufmann, 2005.

[WFH11]

I. H. Witten, E. Frank, and M. A. Hall. Data Mining: Practical Machine Learning Tools

and Techniques with Java Implementations (3rd ed.). Boston: Morgan Kaufmann, 2011.

[WFYH03]

H. Wang, W. Fan, P. S. Yu, and J. Han. Mining concept-drifting data streams using

ensemble classifiers. In Proc. 2003 ACM SIGKDD Int. Conf. Knowledge Discovery and

Data Mining (KDD’03), pp. 226–235, Washington, DC, Aug. 2003.

[WHH00]

K. Wang, Y. He, and J. Han. Mining frequent itemsets using support constraints. In

Proc. 2000 Int. Conf. Very Large Data Bases (VLDB’00), pp. 43–52, Cairo, Egypt, Sept.

2000.

[WHJ

+

10]

C. Wang, J. Han, Y. Jia, J. Tang, D. Zhang, Y. Yu, and J. Guo. Mining advisor-advisee

relationships from research publication networks. In Proc. 2010 ACM SIGKDD Conf.

Knowledge Discovery and Data Mining (KDD’10), Washington, DC, July 2010.

[WHLT05]

J. Wang, J. Han, Y. Lu, and P. Tzvetkov. TFP: An efficient algorithm for mining top-k

frequent closed itemsets. IEEE Trans. Knowledge and Data Engineering, 17:652–664,

2005.

---

HAN

21-bib-633-672-9780123814791

2011/6/1

3:27

Page 668

#36

668

Bibliography

[WHP03]

J. Wang, J. Han, and J. Pei. CLOSET+: Searching for the best strategies for mining fre-

quent closed itemsets. In Proc. 2003 ACM SIGKDD Int. Conf. Knowledge Discovery and

Data Mining (KDD’03), pp. 236–245, Washington, DC, Aug. 2003.

[WI98]

S. M. Weiss and N. Indurkhya. Predictive Data Mining. Morgan Kaufmann, 1998.

[Wid95]

J. Widom. Research problems in data warehousing. In Proc. 4th Int. Conf. Information

and Knowledge Management, pp. 25–30, Baltimore, MD, Nov. 1995.

[WIZD04]

S. Weiss, N. Indurkhya, T. Zhang, and F. Damerau. Text Mining: Predictive Methods for

Analyzing Unstructured Information. New York: Springer, 2004.

[WK91]

S. M. Weiss and C. A. Kulikowski. Computer Systems That Learn: Classification and

Prediction Methods from Statistics, Neural Nets, Machine Learning, and Expert Systems.

Morgan Kaufmann, 1991.

[WK05]

J. Wang and G. Karypis. HARMONY: Efficiently mining the best rules for classification.

In Proc. 2005 SIAM Conf. Data Mining (SDM’05), pp. 205–216, Newport Beach, CA,

Apr. 2005.

[WLFY02]

W. Wang, H. Lu, J. Feng, and J. X. Yu. Condensed cube: An effective approach to reduc-

ing data cube size. In Proc. 2002 Int. Conf. Data Engineering (ICDE’02), pp. 155–165,

San Fransisco, CA, Apr. 2002.

[WRL94]

B. Widrow, D. E. Rumelhart, and M. A. Lehr. Neural networks: Applications in industry,

business and science. Communications of the ACM, 37:93–105, 1994.

[WSF95]

R. Wang, V. Storey, and C. Firth. A framework for analysis of data quality research. IEEE

Trans. Knowledge and Data Engineering, 7:623–640, 1995.

[Wu83]

C. F. J. Wu. On the convergence properties of the EM algorithm. Ann. Statistics, 11:95–

103, 1983.

[WW96]

Y. Wand and R. Wang. Anchoring data quality dimensions in ontological foundations.

Communications of the ACM, 39:86–95, 1996.

[WWYY02]

H. Wang, W. Wang, J. Yang, and P. S. Yu. Clustering by pattern similarity in large

data sets. In Proc. 2002 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD’02),

pp. 418–427, Madison, WI, June 2002.

[WXH08]

T. Wu, D. Xin, and J. Han. ARCube: Supporting ranking aggregate queries in partially

materialized data cubes. In Proc. 2008 ACM SIGMOD Int. Conf. Management of Data

(SIGMOD’08), pp. 79–92, Vancouver, British Columbia, Canada, June 2008.

[WXMH09]

T. Wu, D. Xin, Q. Mei, and J. Han. Promotion analysis in multi-dimensional space. In

Proc. 2009 Int. Conf. Very Large Data Bases (VLDB’09), 2(1):109–120, Lyon, France, Aug.

2009.

[WYM97]

W. Wang, J. Yang, and R. Muntz. STING: A statistical information grid approach

to spatial data mining. In Proc. 1997 Int. Conf. Very Large Data Bases (VLDB’97),

pp. 186–195, Athens, Greece, Aug. 1997.

[XCYH06]

D. Xin, H. Cheng, X. Yan, and J. Han. Extracting redundancy-aware top-k patterns.

In Proc. 2006 ACM SIGKDD Int. Conf. Knowledge Discovery in Databases (KDD’06),

pp. 444–453, Philadelphia, PA, Aug. 2006.

[XHCL06]

D. Xin, J. Han, H. Cheng, and X. Li. Answering top-k queries with multi-dimensional

selections: The ranking cube approach. In Proc. 2006 Int. Conf. Very Large Data Bases

(VLDB’06), pp. 463–475, Seoul, Korea, Sept. 2006.

---