Bonchi / Boulicaut | Knowledge Discovery in Inductive Databases | E-Book | www.sack.de
E-Book

E-Book, Englisch, Band 3933, 252 Seiten, eBook

Reihe: Lecture Notes in Computer Science

Bonchi / Boulicaut Knowledge Discovery in Inductive Databases

4th International Workshop, KDID 2005, Porto, Portugal, October 3, 2005, Revised Selected and Invited Papers
2006
ISBN: 978-3-540-33293-0
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark

4th International Workshop, KDID 2005, Porto, Portugal, October 3, 2005, Revised Selected and Invited Papers

E-Book, Englisch, Band 3933, 252 Seiten, eBook

Reihe: Lecture Notes in Computer Science

ISBN: 978-3-540-33293-0
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark



This book presents the thoroughly refereed joint postproceedings of the 4th International Workshop on Knowledge Discovery in Inductive Databases, October 2005. 20 revised full papers presented together with 2 are reproduced here. Bringing together the fields of databases, machine learning, and data mining, the papers address various current topics in knowledge discovery and data mining in the framework of inductive databases such as constraint-based mining, database technology and inductive querying.

Bonchi / Boulicaut Knowledge Discovery in Inductive Databases jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


Invited Papers.- Data Mining in Inductive Databases.- Mining Databases and Data Streams with Query Languages and Rules.- Contributed Papers.- Memory-Aware Frequent k-Itemset Mining.- Constraint-Based Mining of Fault-Tolerant Patterns from Boolean Data.- Experiment Databases: A Novel Methodology for Experimental Research.- Quick Inclusion-Exclusion.- Towards Mining Frequent Queries in Star Schemes.- Inductive Databases in the Relational Model: The Data as the Bridge.- Transaction Databases, Frequent Itemsets, and Their Condensed Representations.- Multi-class Correlated Pattern Mining.- Shaping SQL-Based Frequent Pattern Mining Algorithms.- Exploiting Virtual Patterns for Automatically Pruning the Search Space.- Constraint Based Induction of Multi-objective Regression Trees.- Learning Predictive Clustering Rules.



Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.