Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

10. Synthesizing Some Extreme Association Rules from Multiple Databases

verfasst von : Animesh Adhikari, Jhimli Adhikari

Erschienen in: Advances in Knowledge Discovery in Databases

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The model of local pattern analysis provides sound solutions to many multi-database mining problems. In this chapter, we discuss different types of extreme association rules in multiple databases viz., heavy association rule, high-frequency association rule, low-frequency association rule, and exceptional association rule.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Clustering Items in Time-Stamped Databases
Nächstes Kapitel Clustering Local Frequency Items in Multiple Data Sources
Literatur
Adhikari A, Ramachandrarao P, Pedrycz W (2010) Developing multi-databases mining applications. Springer, Berlin
Adhikari A, Rao PR (2008) Synthesizing heavy association rules from different real data sources. Pattern Recogn Lett 29(1):59–71CrossRef
Agrawal R, Imielinski T, Swami A (1993) Mining association rules between sets of items in large databases. In: Proceedings of ACM SIGMOD conference, pp 207–216
Agrawal R, Shafer J (1999) Parallel mining of association rules. IEEE Trans Knowl Data Eng 8(6):962–969CrossRef
Agrawal R, Srikant R (1994) Fast algorithms for mining association rules. In: Proceedings of international conference on very large data bases, pp 487–499
Chattratichat J, Darlington J, Ghanem M, Guo Y, Hüning H, Köhler M, Sutiwaraphun J, To HW, Yang D (1997) Large scale data mining: challenges, and responses. In: Proceedings of the third international conference on knowledge discovery and data mining, pp 143–146
Cheung D, Ng V, Fu A, Fu Y (1996) Efficient mining of association rules in distributed databases. IEEE Trans Knowl Data Eng 8(6):911–922CrossRef
Han J, Pei J, Yiwen Y (2000) Mining frequent patterns without candidate generation. In: Proceedings of ACM SIGMOD conference on management of data, pp 1–12
Last M, Kandel A (2001) Automated detection of outliers in real-world data. In: Proceedings of the second international conference on intelligent technologies, pp 292–301
Liu H, Lin F, He J, Cai Y (2010) New approach for the sequential pattern mining of high-dimensional sequence databases. Decis Support Syst 50(1):270–280CrossRef
Pyle D (1999) Data preparation for data mining. Morgan Kufmann, San Francisco
Ramkumar T, Srivinasan R (2008) Modified algorithms for synthesizing high-frequency rules from different data sources. Knowl Inf Syst 17(3):313–334CrossRef
Rozenberg B, Gudes E (2006) Association rules mining in vertically partitioned databases. Data Knowl Eng 59(2):378–396CrossRef
Savasere A, Omiecinski E, Navathe S (1995) An efficient algorithm for mining association rules in large databases. In: Proceedings of the 21st international conference on very large data bases, pp 432–443
Shang S, Dong X, Li J, Zhao Y (2008) Mining positive and negative association rules in multi-database based on minimum interestingness. In: Proceedings of the 2008 international conference on intelligent computation technology and automation, pp 791–794
Wu X, Zhang S (2003) Synthesizing high-frequency rules from different data sources. IEEE Trans Knowl Data Eng 14(2):353–367
Wu X, Zhu X, He Y, Abdullah N, Arslan AN (2013) PMBC: pattern mining from biological sequences with wildcard constraints. Comp Bio Med 43(5):481–492CrossRef
Yi X, Zhang Y (2007) Privacy-preserving distributed association rule mining via semi-trusted mixer. Data Knowl Eng 63(2):550–567CrossRef
Zeng L, Li L, Duan L, Lü K, Shi Z, Wang M, Wu W, Luo P (2012) Distributed data mining: a survey. Inf Technol Manage 13(4):403–409CrossRef
Zhang S, Wu X, Zhang C (2003) Multi-database mining. IEEE Comput Intell Bull 2(1):5–13
Zhang S, You X, Jin Z, Wu X (2009) Mining globally interesting patterns from multiple databases using kernel estimation. Expert Syst Appl Int J 36(8):10863–10869CrossRef
Zhang S, Wu X (2011) Fundamentals of association rules in data mining and knowledge discovery. Wiley Interdisc Rev Data Min Knowl Discov 1(2):97–116CrossRefMATH
Zhong N, Yao YYY, Ohishima M (2003) Peculiarity oriented multidatabase mining. IEEE Trans Knowl Data Eng 15(4):952–960CrossRef
Zhu X, Wu X (2007) Discovering relational patterns across multiple databases. In: Proceedings of ICDE, pp 726–735
Metadaten
Titel
Synthesizing Some Extreme Association Rules from Multiple Databases
verfasst von
Animesh Adhikari
Jhimli Adhikari
Copyright-Jahr
2015
Buch
Advances in Knowledge Discovery in Databases

Print ISBN: 978-3-319-13211-2

Electronic ISBN: 978-3-319-13212-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-13212-9_10