Добірка наукової літератури з теми "Data mining"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Data mining".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Data mining":
PYLYPIUK, Tetiana, and Viktor SHCHYRBA. "DATA MINING METHODS." Collection of scientific papers Kamianets-Podilsky Ivan Ohienko National University Pedagogical series 29 (December 14, 2023): 7–10. http://dx.doi.org/10.32626/2307-4507.2023-29.7-10.
Shah Neha K, Shah Neha K. "Introduction of Data mining and an Analysis of Data mining Techniques." Indian Journal of Applied Research 3, no. 5 (October 1, 2011): 137–39. http://dx.doi.org/10.15373/2249555x/may2013/41.
Rakholiya, Kalpesh R., and Dr Dhaval Kathiriya. "Data Mining for Moving Object Data." Indian Journal of Applied Research 2, no. 3 (October 1, 2011): 111–13. http://dx.doi.org/10.15373/2249555x/dec2012/34.
Chomboon, K., N. Kaoungku, K. Kerdprasop, and N. Kerdprasop. "Data Mining in Semantic Web Data." International Journal of Computer Theory and Engineering 6, no. 6 (December 2014): 472–75. http://dx.doi.org/10.7763/ijcte.2014.v6.912.
Загороднюк, П. А. "Data mining in Go." Vestnik of Russian New University. Series «Complex systems: models, analysis, management», no. 4 (January 10, 2022): 161–66. http://dx.doi.org/10.18137/rnu.v9187.21.04.p.161.
AVeselý. "Neural networks in data mining." Agricultural Economics (Zemědělská ekonomika) 49, No. 9 (March 2, 2012): 427–31. http://dx.doi.org/10.17221/5427-agricecon.
M., Inbavalli. "An Intelligent Agent based Mining Techniques for Distributed Data Mining." Journal of Advanced Research in Dynamical and Control Systems 12, SP4 (March 31, 2020): 610–17. http://dx.doi.org/10.5373/jardcs/v12sp4/20201527.
Raval, Hitesh R., and Dr Vikram Kaushik. "Data Mining: Performance Tuning Of Temporal Data Mining Based On Frequent Inter-Transaction Itemsets Discovery." International Journal of Scientific Research 3, no. 2 (June 1, 2012): 78–82. http://dx.doi.org/10.15373/22778179/feb2014/25.
Stoffel, Kilian. "Web + Data Mining = Web Mining." HMD Praxis der Wirtschaftsinformatik 46, no. 4 (August 2009): 6–20. http://dx.doi.org/10.1007/bf03340377.
Tsuta, Mizuki. "Data Mining." Nippon Shokuhin Kagaku Kogaku Kaishi 64, no. 6 (2017): 334–35. http://dx.doi.org/10.3136/nskkk.64.334.
Дисертації з теми "Data mining":
Mrázek, Michal. "Data mining." Master's thesis, Vysoké učení technické v Brně. Fakulta strojního inženýrství, 2019. http://www.nusl.cz/ntk/nusl-400441.
Payyappillil, Hemambika. "Data mining framework." Morgantown, W. Va. : [West Virginia University Libraries], 2005. https://etd.wvu.edu/etd/controller.jsp?moduleName=documentdata&jsp%5FetdId=3807.
Title from document title page. Document formatted into pages; contains vi, 65 p. : ill. (some col.). Includes abstract. Includes bibliographical references (p. 64-65).
Abedjan, Ziawasch. "Improving RDF data with data mining." Phd thesis, Universität Potsdam, 2014. http://opus.kobv.de/ubp/volltexte/2014/7133/.
Linked Open Data (LOD) umfasst viele und oft sehr große öffentlichen Datensätze und Wissensbanken, die hauptsächlich in der RDF Triplestruktur bestehend aus Subjekt, Prädikat und Objekt vorkommen. Dabei repräsentiert jedes Triple einen Fakt. Unglücklicherweise erfordert die Heterogenität der verfügbaren öffentlichen Daten signifikante Integrationsschritte bevor die Daten in Anwendungen genutzt werden können. Meta-Daten wie ontologische Strukturen und Bereichsdefinitionen von Prädikaten sind zwar wünschenswert und idealerweise durch eine Wissensbank verfügbar. Jedoch sind Wissensbanken im Kontext von LOD oft unvollständig oder einfach nicht verfügbar. Deshalb ist es nützlich automatisch Meta-Informationen, wie ontologische Abhängigkeiten, Bereichs-und Domänendefinitionen und thematische Assoziationen von Ressourcen generieren zu können. Eine neue und vielversprechende Technik um solche Daten zu untersuchen basiert auf das entdecken von Assoziationsregeln, welche ursprünglich für Verkaufsanalysen in transaktionalen Datenbanken angewendet wurde. Wir haben eine Adaptierung dieser Technik auf RDF Daten entworfen und stellen das Konzept der Mining Konfigurationen vor, welches uns befähigt in RDF Daten auf unterschiedlichen Weisen Muster zu erkennen. Verschiedene Konfigurationen erlauben uns Schema- und Wertbeziehungen zu erkennen, die für interessante Anwendungen genutzt werden können. In dem Sinne, stellen wir assoziationsbasierte Verfahren für eine Prädikatvorschlagsverfahren, Datenvervollständigung, Ontologieverbesserung und Anfrageerleichterung vor. Das Vorschlagen von Prädikaten behandelt das Problem der inkonsistenten Verwendung von Ontologien, indem einem Benutzer, der einen neuen Fakt einem Rdf-Datensatz hinzufügen will, eine sortierte Liste von passenden Prädikaten vorgeschlagen wird. Eine Kombinierung von verschiedenen Konfigurationen erweitert dieses Verfahren sodass automatisch komplett neue Fakten für eine Wissensbank generiert werden. Hierbei stellen wir zwei Verfahren vor, einen nutzergesteuertenVerfahren, bei dem ein Nutzer die Entität aussucht die erweitert werden soll und einen datengesteuerten Ansatz, bei dem ein Algorithmus selbst die Entitäten aussucht, die mit fehlenden Fakten erweitert werden. Da Wissensbanken stetig wachsen und sich verändern, ist ein anderer Ansatz um die Verwendung von RDF Daten zu erleichtern die Verbesserung von Ontologien. Hierbei präsentieren wir ein Assoziationsregeln-basiertes Verfahren, der Daten und zugrundeliegende Ontologien zusammenführt. Durch die Verflechtung von unterschiedlichen Konfigurationen leiten wir einen neuen Algorithmus her, der gleichbedeutende Prädikate entdeckt. Diese Prädikate können benutzt werden um Ergebnisse einer Anfrage zu erweitern oder einen Nutzer während einer Anfrage zu unterstützen. Für jeden unserer vorgestellten Anwendungen präsentieren wir eine große Auswahl an Experimenten auf Realweltdatensätzen. Die Experimente und Evaluierungen zeigen den Mehrwert von Assoziationsregeln-Generierung für die Integration und Nutzbarkeit von RDF Daten und bestätigen die Angemessenheit unserer konfigurationsbasierten Methodologie um solche Regeln herzuleiten.
Liu, Tantan. "Data Mining over Hidden Data Sources." The Ohio State University, 2012. http://rave.ohiolink.edu/etdc/view?acc_num=osu1343313341.
Taylor, Phillip. "Data mining of vehicle telemetry data." Thesis, University of Warwick, 2015. http://wrap.warwick.ac.uk/77645/.
Sherikar, Vishnu Vardhan Reddy. "I2MAPREDUCE: DATA MINING FOR BIG DATA." CSUSB ScholarWorks, 2017. https://scholarworks.lib.csusb.edu/etd/437.
Zhang, Nan. "Privacy-preserving data mining." [College Station, Tex. : Texas A&M University, 2006. http://hdl.handle.net/1969.1/ETD-TAMU-1080.
Hulten, Geoffrey. "Mining massive data streams /." Thesis, Connect to this title online; UW restricted, 2005. http://hdl.handle.net/1773/6937.
Büchel, Nina. "Faktorenvorselektion im Data Mining /." Berlin : Logos, 2009. http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&doc_number=019006997&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA.
Shao, Junming. "Synchronization Inspired Data Mining." Diss., lmu, 2011. http://nbn-resolving.de/urn:nbn:de:bvb:19-137356.
Книги з теми "Data mining":
Xu, Yue, Rosalind Wang, Anton Lord, Yee Ling Boo, Richi Nayak, Yanchang Zhao, and Graham Williams, eds. Data Mining. Singapore: Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-16-8531-6.
Dulli, Susi, Sara Furini, and Edmondo Peron. Data mining. Milano: Springer Milan, 2009. http://dx.doi.org/10.1007/978-88-470-1163-2.
Stahlbock, Robert, Sven F. Crone, and Stefan Lessmann, eds. Data Mining. Boston, MA: Springer US, 2010. http://dx.doi.org/10.1007/978-1-4419-1280-0.
Islam, Rafiqul, Yun Sing Koh, Yanchang Zhao, Graco Warwick, David Stirling, Chang-Tsun Li, and Zahidul Islam, eds. Data Mining. Singapore: Springer Singapore, 2019. http://dx.doi.org/10.1007/978-981-13-6661-1.
Boo, Yee Ling, David Stirling, Lianhua Chi, Lin Liu, Kok-Leong Ong, and Graham Williams, eds. Data Mining. Singapore: Springer Singapore, 2018. http://dx.doi.org/10.1007/978-981-13-0292-3.
Nakhaeizadeh, Gholamreza, ed. Data Mining. Heidelberg: Physica-Verlag HD, 1998. http://dx.doi.org/10.1007/978-3-642-86094-2.
Aggarwal, Charu C. Data Mining. Cham: Springer International Publishing, 2015. http://dx.doi.org/10.1007/978-3-319-14142-8.
Runkler, Thomas A. Data Mining. Wiesbaden: Vieweg+Teubner, 2010. http://dx.doi.org/10.1007/978-3-8348-9353-6.
Kantardzic, Mehmed. Data Mining. Hoboken, NJ, USA: John Wiley & Sons, Inc., 2011. http://dx.doi.org/10.1002/9781118029145.
Le, Thuc D., Kok-Leong Ong, Yanchang Zhao, Warren H. Jin, Sebastien Wong, Lin Liu, and Graham Williams, eds. Data Mining. Singapore: Springer Singapore, 2019. http://dx.doi.org/10.1007/978-981-15-1699-3.
Частини книг з теми "Data mining":
Freitas, Alex A., and Simon H. Lavington. "Data Mining." In Mining Very Large Databases with Parallel Processing, 41–50. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4615-5521-6_5.
Rahman, Mirza I., and Robbert P. van Manen. "Data Mining." In Principles and Practice of Pharmaceutical Medicine, 587–600. Oxford, UK: Wiley-Blackwell, 2010. http://dx.doi.org/10.1002/9781444325263.ch44.
Du, Ke-Lin, and M. N. S. Swamy. "Data Mining." In Neural Networks and Statistical Learning, 747–78. London: Springer London, 2013. http://dx.doi.org/10.1007/978-1-4471-5571-3_25.
Chang, George, Marcus J. Healey, James A. M. McHugh, and Jason T. L. Wang. "Data Mining." In Mining the World Wide Web, 67–80. Boston, MA: Springer US, 2001. http://dx.doi.org/10.1007/978-1-4615-1639-2_5.
Pappa, Gisele L., and Alex A. Freitas. "Data Mining." In Natural Computing Series, 17–46. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009. http://dx.doi.org/10.1007/978-3-642-02541-9_2.
Du, Ke-Lin, and M. N. S. Swamy. "Data Mining." In Neural Networks and Statistical Learning, 871–903. London: Springer London, 2019. http://dx.doi.org/10.1007/978-1-4471-7452-3_30.
Lee, Raymond S. T. "Data Mining." In Artificial Intelligence in Daily Life, 71–118. Singapore: Springer Singapore, 2020. http://dx.doi.org/10.1007/978-981-15-7695-9_4.
Morzy, Tadeusz, and Maciej Zakrzewicz. "Data Mining." In Handbook on Data Management in Information Systems, 487–565. Berlin, Heidelberg: Springer Berlin Heidelberg, 2003. http://dx.doi.org/10.1007/978-3-540-24742-5_11.
van der Aalst, Wil. "Data Mining." In Process Mining, 89–121. Berlin, Heidelberg: Springer Berlin Heidelberg, 2016. http://dx.doi.org/10.1007/978-3-662-49851-4_4.
Mohan, Chilukuri Krishna. "Data Mining." In Frontiers of Expert Systems, 237–58. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4615-4509-5_9.
Тези доповідей конференцій з теми "Data mining":
Song, Xiaoli, XiaoTong Wang, and Xiaohua Hu. "Semantic pattern mining for text mining." In 2016 IEEE International Conference on Big Data (Big Data). IEEE, 2016. http://dx.doi.org/10.1109/bigdata.2016.7840600.
Agarwal, Shivam. "Data Mining: Data Mining Concepts and Techniques." In 2013 International Conference on Machine Intelligence and Research Advancement (ICMIRA). IEEE, 2013. http://dx.doi.org/10.1109/icmira.2013.45.
Edelstein, Herb. "Data mining." In the seventh ACM SIGKDD international conference. New York, New York, USA: ACM Press, 2001. http://dx.doi.org/10.1145/502512.502517.
"Data mining." In 2015 International Symposium on Advanced Computing and Communication (ISACC). IEEE, 2015. http://dx.doi.org/10.1109/isacc.2015.7377334.
DeWaal, Mindy. "Data Mining." In the 46th ACM Technical Symposium. New York, New York, USA: ACM Press, 2015. http://dx.doi.org/10.1145/2676723.2693628.
Ursyn, Anna. "Data mining." In ACM SIGGRAPH 2004 Art gallery. New York, New York, USA: ACM Press, 2004. http://dx.doi.org/10.1145/1185884.1186011.
Peñafiel, Myriam, Stefanie Vásquez, Diego Vásquez, Juan Zaldumbide, and Sergio Luján-Mora. "Data Mining and Opinion Mining." In the 2018 International Conference. New York, New York, USA: ACM Press, 2018. http://dx.doi.org/10.1145/3274250.3274263.
Yang, Tie-li, Ping-Bai, and Yu-Sheng Gong. "Spatial Data Mining Features between General Data Mining." In 2008 International Workshop on Geoscience and Remote Sensing (ETT and GRS). IEEE, 2008. http://dx.doi.org/10.1109/ettandgrs.2008.167.
Ashok, Vikas, and Ravi Mukkamala. "Data mining without data." In the 10th annual ACM workshop. New York, New York, USA: ACM Press, 2011. http://dx.doi.org/10.1145/2046556.2046578.
"Session C: Dynamic data mining & data stream mining." In 2016 IEEE First International Conference on Data Stream Mining & Processing (DSMP). IEEE, 2016. http://dx.doi.org/10.1109/dsmp.2016.7583553.
Звіти організацій з теми "Data mining":
Lee, K., H. Kargupta, B. G. Stafford, K. L. Buescher, and B. Ravindran. Data mining. Office of Scientific and Technical Information (OSTI), December 1998. http://dx.doi.org/10.2172/334314.
Kramer, Mitchell. Customer Data Mining. Boston, MA: Patricia Seybold Group, May 2004. http://dx.doi.org/10.1571/psgp5-27-04cc.
Kramer, Mitchell. Data Mining at Work. Boston, MA: Patricia Seybold Group, June 2004. http://dx.doi.org/10.1571/psgp6-10-04cc.
Brown, David A., John Hirdt, and Michal Herman. Data mining the EXFOR database. Office of Scientific and Technical Information (OSTI), December 2013. http://dx.doi.org/10.2172/1122776.
Lu, Xiaomeng, Robert Stambaugh, and Yu Yuan. Anomalies Abroad: Beyond Data Mining. Cambridge, MA: National Bureau of Economic Research, September 2017. http://dx.doi.org/10.3386/w23809.
Davidson, George S., Jana Strasburg, David Stampf, Lev Neymotin, Carl Czajkowski, Eugene Shine, James Bollinger, et al. Data mining for ontology development. Office of Scientific and Technical Information (OSTI), June 2010. http://dx.doi.org/10.2172/992328.
Berry, Jonathan W., Vitus Joseph Leung, Cynthia Ann Phillips, Ali Pinar, David Gerald Robinson, Tanya Berger-Wolf, Sanjukta Bhowmick, et al. Statistically significant relational data mining :. Office of Scientific and Technical Information (OSTI), February 2014. http://dx.doi.org/10.2172/1204082.
Zdonik, Stanley B. Monitoring and Mining Data Streams. Fort Belvoir, VA: Defense Technical Information Center, October 2004. http://dx.doi.org/10.21236/ada431589.
Zdonik, Stan B. Monitoring and Mining Data Streams. Fort Belvoir, VA: Defense Technical Information Center, October 2003. http://dx.doi.org/10.21236/ada419707.
Zhan, Zhijun, and LiWu Chang. Privacy-Preserving Collaborative Data Mining. Fort Belvoir, VA: Defense Technical Information Center, January 2003. http://dx.doi.org/10.21236/ada464602.