Información del autor
Autor Fournier-Viger, Philippe |
Documentos disponibles escritos por este autor (6)
Crear una solicitud de compra Refinar búsquedaBig Data Analytics / Madria, Sanjay ; Fournier-Viger, Philippe ; Chaudhary, Sanjay ; Reddy, P. Krishna
TÃtulo : Big Data Analytics : 7th International Conference, BDA 2019, Ahmedabad, India, December 17–20, 2019, Proceedings / Tipo de documento: documento electrónico Autores: Madria, Sanjay, ; Fournier-Viger, Philippe, ; Chaudhary, Sanjay, ; Reddy, P. Krishna, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XIII, 462 p. 290 ilustraciones, 142 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-37188-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos Inteligencia artificial Software de la aplicacion Gestión de base de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Clasificación: 6.312 Resumen: Este libro constituye las actas arbitradas de la Séptima Conferencia Internacional sobre análisis de Big Data, BDA 2019, celebrada en Ahmedabad, India, en diciembre de 2019. Los 25 artÃculos presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados entre 53 presentaciones. Los artÃculos están organizados en secciones temáticas denominadas: análisis de big data: visión y perspectivas; búsqueda y extracción de información; análisis predictivo en los ámbitos médico y agrÃcola; análisis de gráficos; minerÃa de patrones; y aprendizaje automático. Nota de contenido: Big Data Analytics: Vision and Perspectives -- Transforming Sensing Data into Smart Data for Smart Sustainable Cities -- Deep Learning Models for Medical Image Analysis: Challenges and Future Directions -- Recent Advances and Challenges in design of Non-Goal Oriented Dialogue System -- Data Cube is Dead, Long Life to Data Cube in the Age of Web Data -- Search and Information Extraction -- Improving Result Diversity using Query Term Proximity in Exploratory Search -- Segment-search vs Knowledge Graphs: Making a Keyword Search Engine for Web Documents -- Pairing Users in Social Media via Processing Meta-data from Conversational Files -- Large-Scale Information Extraction from Emails with Data Constraints -- Comparative Analysis of Rule-based, Dictionary-based and Hybrid Stemmers for Gujarati Language -- Predictive Analytics in Medical and Agricultural Domains -- Artificial Intelligence and Bayesian Knowledge Network in Health Care – Smartphone Apps for diagnosis and differentiation of anemias with higher accuracy at Resource Constrained Point-of-Care settings -- Analyzing Domain Knowledge for Big Data Analysis: A Case Study with Urban Tree Type Classification -- Market Intelligence for Agricultural Commodities using Forecasting and Deep Learning Techniques -- Graph Analytics -- TKG: Efficient Mining of Top-K Frequent Subgraphs -- Why Multilayer Networks Instead Of Simple Graphs? Modeling Effectiveness And Analysis Flexibility & Efficiency! -- Gossip Based Distributed Real Time Task Scheduling with Guaranteed Performance on Heterogeneous Networks -- Data-Driven Optimization of Public Transit Schedule -- Pattern Mining -- Discovering Spatial High Utility Frequent Itemsets in Spatiotemporal Databases -- Efficient Algorithms For Flock Detection in Large Spatio-Temporal Data -- Local Temporal Compression for (Globally) Evolving Spatial Surfaces -- An Explicit Relationship between Sequential Patterns and their Concise Representations -- Machine Learning -- A novel approach to identify the determinants of online review helpfulness and predict the helpfulness score across product categories -- Analysis and Recognition of Hand-drawn Images with Effective Data Handling -- Real Time Static Gesture Detection Using Deep Learning -- Interpreting Context of Images using Scene Graphs -- Deep Learning in the Domain of Near-Duplicate Document Detection. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the 7th International Conference on Big Data analytics, BDA 2019, held in Ahmedabad, India, in December 2019. The 25 papers presented in this volume were carefully reviewed and selected from 53 submissions. The papers are organized in topical sections named: big data analytics: vision and perspectives; search and information extraction; predictive analytics in medical and agricultural domains; graph analytics; pattern mining; and machine learning. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Big Data Analytics : 7th International Conference, BDA 2019, Ahmedabad, India, December 17–20, 2019, Proceedings / [documento electrónico] / Madria, Sanjay, ; Fournier-Viger, Philippe, ; Chaudhary, Sanjay, ; Reddy, P. Krishna, . - 1 ed. . - [s.l.] : Springer, 2019 . - XIII, 462 p. 290 ilustraciones, 142 ilustraciones en color.
ISBN : 978-3-030-37188-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Procesamiento de datos Inteligencia artificial Software de la aplicacion Gestión de base de datos MinerÃa de datos y descubrimiento de conocimientos Aplicaciones informáticas y de sistemas de información Clasificación: 6.312 Resumen: Este libro constituye las actas arbitradas de la Séptima Conferencia Internacional sobre análisis de Big Data, BDA 2019, celebrada en Ahmedabad, India, en diciembre de 2019. Los 25 artÃculos presentados en este volumen fueron cuidadosamente revisados ​​y seleccionados entre 53 presentaciones. Los artÃculos están organizados en secciones temáticas denominadas: análisis de big data: visión y perspectivas; búsqueda y extracción de información; análisis predictivo en los ámbitos médico y agrÃcola; análisis de gráficos; minerÃa de patrones; y aprendizaje automático. Nota de contenido: Big Data Analytics: Vision and Perspectives -- Transforming Sensing Data into Smart Data for Smart Sustainable Cities -- Deep Learning Models for Medical Image Analysis: Challenges and Future Directions -- Recent Advances and Challenges in design of Non-Goal Oriented Dialogue System -- Data Cube is Dead, Long Life to Data Cube in the Age of Web Data -- Search and Information Extraction -- Improving Result Diversity using Query Term Proximity in Exploratory Search -- Segment-search vs Knowledge Graphs: Making a Keyword Search Engine for Web Documents -- Pairing Users in Social Media via Processing Meta-data from Conversational Files -- Large-Scale Information Extraction from Emails with Data Constraints -- Comparative Analysis of Rule-based, Dictionary-based and Hybrid Stemmers for Gujarati Language -- Predictive Analytics in Medical and Agricultural Domains -- Artificial Intelligence and Bayesian Knowledge Network in Health Care – Smartphone Apps for diagnosis and differentiation of anemias with higher accuracy at Resource Constrained Point-of-Care settings -- Analyzing Domain Knowledge for Big Data Analysis: A Case Study with Urban Tree Type Classification -- Market Intelligence for Agricultural Commodities using Forecasting and Deep Learning Techniques -- Graph Analytics -- TKG: Efficient Mining of Top-K Frequent Subgraphs -- Why Multilayer Networks Instead Of Simple Graphs? Modeling Effectiveness And Analysis Flexibility & Efficiency! -- Gossip Based Distributed Real Time Task Scheduling with Guaranteed Performance on Heterogeneous Networks -- Data-Driven Optimization of Public Transit Schedule -- Pattern Mining -- Discovering Spatial High Utility Frequent Itemsets in Spatiotemporal Databases -- Efficient Algorithms For Flock Detection in Large Spatio-Temporal Data -- Local Temporal Compression for (Globally) Evolving Spatial Surfaces -- An Explicit Relationship between Sequential Patterns and their Concise Representations -- Machine Learning -- A novel approach to identify the determinants of online review helpfulness and predict the helpfulness score across product categories -- Analysis and Recognition of Hand-drawn Images with Effective Data Handling -- Real Time Static Gesture Detection Using Deep Learning -- Interpreting Context of Images using Scene Graphs -- Deep Learning in the Domain of Near-Duplicate Document Detection. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the 7th International Conference on Big Data analytics, BDA 2019, held in Ahmedabad, India, in December 2019. The 25 papers presented in this volume were carefully reviewed and selected from 53 submissions. The papers are organized in topical sections named: big data analytics: vision and perspectives; search and information extraction; predictive analytics in medical and agricultural domains; graph analytics; pattern mining; and machine learning. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning and Data Mining for Emerging Trend in Cyber Dynamics : Theories and Applications Tipo de documento: documento electrónico Autores: Chiroma, Haruna, ; Abdulhamid, Shafi'i M., ; Fournier-Viger, Philippe, ; Garcia, Nuno M., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VI, 315 p. 120 ilustraciones, 68 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-66288-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Objetos cooperantes (Sistemas informáticos) Procesamiento de datos Investigación cuantitativa Aprendizaje automático Sistemas ciberfÃsicos MinerÃa de datos y descubrimiento de conocimientos Análisis de datos y Big Data Clasificación: 621.38 Ingeniería de comunicaciones Resumen: Este libro aborda teorÃas y procedimientos empÃricos para la aplicación del aprendizaje automático y la minerÃa de datos para resolver problemas en ciberdinámica. Explica los fundamentos de la dinámica cibernética y presenta cómo estos algoritmos, estrategias y técnicas resilientes pueden usarse para el desarrollo del entorno ciberespacial, tales como: servicios de computación en la nube; la seguridad cibernética; análisis de datos; y tecnologÃas disruptivas como blockchain. El libro presenta nuevos enfoques de aprendizaje automático y minerÃa de datos para resolver problemas en ciberdinámica. En cada capÃtulo se integran conceptos básicos, revisiones de trabajos relacionados, ilustraciones, resultados empÃricos y tablas para permitir al lector comprender completamente los conceptos, la metodologÃa y los resultados presentados. El libro contiene soluciones empÃricas a problemas de ciberdinámica listas para aplicaciones industriales. El libro será un excelente punto de partida para estudiantes de posgrado e investigadores porque cada capÃtulo está diseñado para tener direcciones de investigación futuras. Nota de contenido: Generative Adversarial Network for the Detection of Ransomware in Cyber Dynamics -- Deep Learning for Blockchain Technologies: A Survey and Research Directions -- Deep Recurrent Neural Network for the Enhancement of Resource Allocation in Edge Computing -- Recommender Systems in the Next Generation Cloud Architectures -- Collusion Detection in the Internet of Vehicles Environment via Machine Learning Algorithms -- Mobile Cloud Computing Security Strategies Using Machine Learning Algorithms -- Resilient Edge Computing Devices Using Federated Learning Technique -- DeepFake: A Panacea for New Generation Simulated Videos -- Machine Learning-Based Malware Detection Systems in a Cyber-Physical Systems -- Support Vector Machine-Based Crypto-Locker Ransomware Attacks Detection with Grey-Wolf Optimization -- A Survey of Algorithms for Analysing Graph Data in the Cloud -- A Survey of Sequence Prediction Models to Predict Behaviour of Dynamic Systems -- Finding High Utility Patterns to Detect Network Attacks -- Authorship Attribution and User Profile Inference in Social Networks -- Deep Convolutional Neural Network for Data Analytics in the Cyber Dynamics. Tipo de medio : Computadora Summary : This book addresses theories and empirical procedures for the application of machine learning and data mining to solve problems in cyber dynamics. It explains the fundamentals of cyber dynamics, and presents how these resilient algorithms, strategies, techniques can be used for the development of the cyberspace environment such as: cloud computing services; cyber security; data analytics; and, disruptive technologies like blockchain. The book presents new machine learning and data mining approaches in solving problems in cyber dynamics. Basic concepts, related work reviews, illustrations, empirical results and tables are integrated in each chapter to enable the reader to fully understand the concepts, methodology, and the results presented. The book contains empirical solutions of problems in cyber dynamics ready for industrial applications. The book will be an excellent starting point for postgraduate students and researchers because each chapter is design to have future research directions. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Data Mining for Emerging Trend in Cyber Dynamics : Theories and Applications [documento electrónico] / Chiroma, Haruna, ; Abdulhamid, Shafi'i M., ; Fournier-Viger, Philippe, ; Garcia, Nuno M., . - 1 ed. . - [s.l.] : Springer, 2021 . - VI, 315 p. 120 ilustraciones, 68 ilustraciones en color.
ISBN : 978-3-030-66288-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Objetos cooperantes (Sistemas informáticos) Procesamiento de datos Investigación cuantitativa Aprendizaje automático Sistemas ciberfÃsicos MinerÃa de datos y descubrimiento de conocimientos Análisis de datos y Big Data Clasificación: 621.38 Ingeniería de comunicaciones Resumen: Este libro aborda teorÃas y procedimientos empÃricos para la aplicación del aprendizaje automático y la minerÃa de datos para resolver problemas en ciberdinámica. Explica los fundamentos de la dinámica cibernética y presenta cómo estos algoritmos, estrategias y técnicas resilientes pueden usarse para el desarrollo del entorno ciberespacial, tales como: servicios de computación en la nube; la seguridad cibernética; análisis de datos; y tecnologÃas disruptivas como blockchain. El libro presenta nuevos enfoques de aprendizaje automático y minerÃa de datos para resolver problemas en ciberdinámica. En cada capÃtulo se integran conceptos básicos, revisiones de trabajos relacionados, ilustraciones, resultados empÃricos y tablas para permitir al lector comprender completamente los conceptos, la metodologÃa y los resultados presentados. El libro contiene soluciones empÃricas a problemas de ciberdinámica listas para aplicaciones industriales. El libro será un excelente punto de partida para estudiantes de posgrado e investigadores porque cada capÃtulo está diseñado para tener direcciones de investigación futuras. Nota de contenido: Generative Adversarial Network for the Detection of Ransomware in Cyber Dynamics -- Deep Learning for Blockchain Technologies: A Survey and Research Directions -- Deep Recurrent Neural Network for the Enhancement of Resource Allocation in Edge Computing -- Recommender Systems in the Next Generation Cloud Architectures -- Collusion Detection in the Internet of Vehicles Environment via Machine Learning Algorithms -- Mobile Cloud Computing Security Strategies Using Machine Learning Algorithms -- Resilient Edge Computing Devices Using Federated Learning Technique -- DeepFake: A Panacea for New Generation Simulated Videos -- Machine Learning-Based Malware Detection Systems in a Cyber-Physical Systems -- Support Vector Machine-Based Crypto-Locker Ransomware Attacks Detection with Grey-Wolf Optimization -- A Survey of Algorithms for Analysing Graph Data in the Cloud -- A Survey of Sequence Prediction Models to Predict Behaviour of Dynamic Systems -- Finding High Utility Patterns to Detect Network Attacks -- Authorship Attribution and User Profile Inference in Social Networks -- Deep Convolutional Neural Network for Data Analytics in the Cyber Dynamics. Tipo de medio : Computadora Summary : This book addresses theories and empirical procedures for the application of machine learning and data mining to solve problems in cyber dynamics. It explains the fundamentals of cyber dynamics, and presents how these resilient algorithms, strategies, techniques can be used for the development of the cyberspace environment such as: cloud computing services; cyber security; data analytics; and, disruptive technologies like blockchain. The book presents new machine learning and data mining approaches in solving problems in cyber dynamics. Basic concepts, related work reviews, illustrations, empirical results and tables are integrated in each chapter to enable the reader to fully understand the concepts, methodology, and the results presented. The book contains empirical solutions of problems in cyber dynamics ready for industrial applications. The book will be an excellent starting point for postgraduate students and researchers because each chapter is design to have future research directions. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning and Principles and Practice of Knowledge Discovery in Databases : International Workshops of ECML PKDD 2021, Virtual Event, September 13-17, 2021, Proceedings, Part I Tipo de documento: documento electrónico Autores: Kamp, Michael, ; Koprinska, Irena, ; Bibal, Adrien, ; Bouadi, Tassadit, ; Frénay, Benoît, ; Galárraga, Luis, ; Oramas, José, ; Adilova, Linara, ; Krishnamurthy, Yamuna, ; Kang, Bo, ; Largeron, Christine, ; Lijffijt, Jefrey, ; Viard, Tiphaine, ; Welke, Pascal, ; Ruocco, Massimiliano, ; Aune, Erlend, ; Gallicchio, Claudio, ; Schiele, Gregor, ; Pernkopf, Franz, ; Blott, Michaela, ; Fröning, Holger, ; Schindler, Günther, ; Guidotti, Riccardo, ; Monreale, Anna, ; Rinzivillo, Salvatore, ; Biecek, Przemyslaw, ; Ntoutsi, Eirini, ; Pechenizkiy, Mykola, ; Rosenhahn, Bodo, ; Buckley, Christopher, ; Cialfi, Daniela, ; Lanillos, Pablo, ; Ramstead, Maxwell, ; Verbelen, Tim, ; Ferreira, Pedro M., ; Andresini, Giuseppina, ; Malerba, Donato, ; Medeiros, Ibéria, ; Fournier-Viger, Philippe, ; Nawaz, M. Saqib, ; Ventura, Sebastian, ; Sun, Meng, ; Zhou, Min, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Ferretti, Andrea, ; Gullo, Francesco, ; Ponti, Giovanni, ; Severini, Lorenzo, ; Ribeiro, Rita, ; Gama, João, ; Gavaldà , Ricard, ; Cooper, Lee, ; Ghazaleh, Naghmeh, ; Richiardi, Jonas, ; Roqueiro, Damian, ; Saldana Miranda, Diego, ; Sechidis, Konstantinos, ; Graça, Guilherme, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XXV, 882 p. 282 ilustraciones, 236 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-93736-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Informática IngenierÃa de software IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. Computadoras y Educación Matemáticas de la Computación Clasificación: 006.3 Resumen: Este conjunto de dos volúmenes constituye las actas arbitradas de los talleres que complementaron la 21.ª Conferencia Europea Conjunta sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD, celebrada en septiembre de 2021. Debido a la pandemia de COVID-19, la conferencia y los talleres se llevaron a cabo en lÃnea. . Los 104 artÃculos fueron revisados ​​minuciosamente y seleccionados entre 180 artÃculos presentados para los talleres. Este conjunto de dos volúmenes incluye las actas de los siguientes talleres: Taller sobre avances en aprendizaje automático interpretable e inteligencia artificial (AIMLAI 2021) Taller sobre aprendizaje paralelo, distribuido y federado (PDFL 2021) Taller sobre integración y minerÃa de gráficos (GEM 2021) Taller sobre aprendizaje automático para series temporales irregulares (ML4ITS 2021) Taller sobre IoT, Edge y dispositivos móviles para aprendizaje automático integrado (ITEM 2021) Taller sobre descubrimiento de conocimientos explicables en minerÃa de datos (XKDD 2021) Taller sobre sesgos y equidad en la IA (BIAS 2021) ) Taller sobre Taller sobre Inferencia Activa (IWAI 2021) Taller sobre Aprendizaje Automático para Ciberseguridad (MLCS 2021) Taller sobre Aprendizaje Automático en IngenierÃa de Software (MLiSE 2021) Taller sobre MinerÃa de Datos para aplicaciones financieras (MIDAS 2021) Sexto Taller sobre Ciencia de Datos para Social Good (SoGood 2021) Taller sobre aprendizaje automático para aplicaciones farmacéuticas y sanitarias (PharML 2021) Segundo taller sobre evaluación y diseño experimental en minerÃa de datos y aprendizaje automático (EDML 2020) Taller sobre aprendizaje automático para la gestión energética de edificios (MLBEM 2021). Nota de contenido: Advances in Interpretable Machine Learning and Artificial Intelligence -- Parallel, Distributed, and Federated Learning -- Graph Embedding and Mining -- Machine Learning for Irregular Time Series -- IoT, Edge, and Mobile for Embedded Machine Learning -- eXplainable Knowledge Discovery in Data Mining -- Bias and Fairness in AI -- International Workshop on Active Inference. . Tipo de medio : Computadora Summary : This two-volume set constitutes the refereed proceedings of the workshops which complemented the 21th Joint European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD, held in September 2021. Due to the COVID-19 pandemic the conference and workshops were held online. The 104 papers were thoroughly reviewed and selected from 180 papers submited for the workshops. This two-volume set includes the proceedings of the following workshops: Workshop on Advances in Interpretable Machine Learning and Artificial Intelligence (AIMLAI 2021) Workshop on Parallel, Distributed and Federated Learning (PDFL 2021) Workshop on Graph Embedding and Mining (GEM 2021) Workshop on Machine Learning for Irregular Time-series (ML4ITS 2021) Workshop on IoT, Edge, and Mobile for Embedded Machine Learning (ITEM 2021) Workshop on eXplainable Knowledge Discovery in Data Mining (XKDD 2021) Workshop on Bias and Fairness in AI (BIAS 2021) Workshop on Workshop on Active Inference (IWAI 2021) Workshop on Machine Learning for Cybersecurity (MLCS 2021) Workshop on Machine Learning in Software Engineering (MLiSE 2021) Workshop on MIning Data for financial applications (MIDAS 2021) Sixth Workshop on Data Science for Social Good (SoGood 2021) Workshop on Machine Learning for Pharma and Healthcare Applications (PharML 2021) Second Workshop on Evaluation and Experimental Design in Data Mining and Machine Learning (EDML 2020) Workshop on Machine Learning for Buildings Energy Management (MLBEM 2021). Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Principles and Practice of Knowledge Discovery in Databases : International Workshops of ECML PKDD 2021, Virtual Event, September 13-17, 2021, Proceedings, Part I [documento electrónico] / Kamp, Michael, ; Koprinska, Irena, ; Bibal, Adrien, ; Bouadi, Tassadit, ; Frénay, Benoît, ; Galárraga, Luis, ; Oramas, José, ; Adilova, Linara, ; Krishnamurthy, Yamuna, ; Kang, Bo, ; Largeron, Christine, ; Lijffijt, Jefrey, ; Viard, Tiphaine, ; Welke, Pascal, ; Ruocco, Massimiliano, ; Aune, Erlend, ; Gallicchio, Claudio, ; Schiele, Gregor, ; Pernkopf, Franz, ; Blott, Michaela, ; Fröning, Holger, ; Schindler, Günther, ; Guidotti, Riccardo, ; Monreale, Anna, ; Rinzivillo, Salvatore, ; Biecek, Przemyslaw, ; Ntoutsi, Eirini, ; Pechenizkiy, Mykola, ; Rosenhahn, Bodo, ; Buckley, Christopher, ; Cialfi, Daniela, ; Lanillos, Pablo, ; Ramstead, Maxwell, ; Verbelen, Tim, ; Ferreira, Pedro M., ; Andresini, Giuseppina, ; Malerba, Donato, ; Medeiros, Ibéria, ; Fournier-Viger, Philippe, ; Nawaz, M. Saqib, ; Ventura, Sebastian, ; Sun, Meng, ; Zhou, Min, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Ferretti, Andrea, ; Gullo, Francesco, ; Ponti, Giovanni, ; Severini, Lorenzo, ; Ribeiro, Rita, ; Gama, João, ; Gavaldà , Ricard, ; Cooper, Lee, ; Ghazaleh, Naghmeh, ; Richiardi, Jonas, ; Roqueiro, Damian, ; Saldana Miranda, Diego, ; Sechidis, Konstantinos, ; Graça, Guilherme, . - 1 ed. . - [s.l.] : Springer, 2021 . - XXV, 882 p. 282 ilustraciones, 236 ilustraciones en color.
ISBN : 978-3-030-93736-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Informática IngenierÃa de software IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. Computadoras y Educación Matemáticas de la Computación Clasificación: 006.3 Resumen: Este conjunto de dos volúmenes constituye las actas arbitradas de los talleres que complementaron la 21.ª Conferencia Europea Conjunta sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD, celebrada en septiembre de 2021. Debido a la pandemia de COVID-19, la conferencia y los talleres se llevaron a cabo en lÃnea. . Los 104 artÃculos fueron revisados ​​minuciosamente y seleccionados entre 180 artÃculos presentados para los talleres. Este conjunto de dos volúmenes incluye las actas de los siguientes talleres: Taller sobre avances en aprendizaje automático interpretable e inteligencia artificial (AIMLAI 2021) Taller sobre aprendizaje paralelo, distribuido y federado (PDFL 2021) Taller sobre integración y minerÃa de gráficos (GEM 2021) Taller sobre aprendizaje automático para series temporales irregulares (ML4ITS 2021) Taller sobre IoT, Edge y dispositivos móviles para aprendizaje automático integrado (ITEM 2021) Taller sobre descubrimiento de conocimientos explicables en minerÃa de datos (XKDD 2021) Taller sobre sesgos y equidad en la IA (BIAS 2021) ) Taller sobre Taller sobre Inferencia Activa (IWAI 2021) Taller sobre Aprendizaje Automático para Ciberseguridad (MLCS 2021) Taller sobre Aprendizaje Automático en IngenierÃa de Software (MLiSE 2021) Taller sobre MinerÃa de Datos para aplicaciones financieras (MIDAS 2021) Sexto Taller sobre Ciencia de Datos para Social Good (SoGood 2021) Taller sobre aprendizaje automático para aplicaciones farmacéuticas y sanitarias (PharML 2021) Segundo taller sobre evaluación y diseño experimental en minerÃa de datos y aprendizaje automático (EDML 2020) Taller sobre aprendizaje automático para la gestión energética de edificios (MLBEM 2021). Nota de contenido: Advances in Interpretable Machine Learning and Artificial Intelligence -- Parallel, Distributed, and Federated Learning -- Graph Embedding and Mining -- Machine Learning for Irregular Time Series -- IoT, Edge, and Mobile for Embedded Machine Learning -- eXplainable Knowledge Discovery in Data Mining -- Bias and Fairness in AI -- International Workshop on Active Inference. . Tipo de medio : Computadora Summary : This two-volume set constitutes the refereed proceedings of the workshops which complemented the 21th Joint European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD, held in September 2021. Due to the COVID-19 pandemic the conference and workshops were held online. The 104 papers were thoroughly reviewed and selected from 180 papers submited for the workshops. This two-volume set includes the proceedings of the following workshops: Workshop on Advances in Interpretable Machine Learning and Artificial Intelligence (AIMLAI 2021) Workshop on Parallel, Distributed and Federated Learning (PDFL 2021) Workshop on Graph Embedding and Mining (GEM 2021) Workshop on Machine Learning for Irregular Time-series (ML4ITS 2021) Workshop on IoT, Edge, and Mobile for Embedded Machine Learning (ITEM 2021) Workshop on eXplainable Knowledge Discovery in Data Mining (XKDD 2021) Workshop on Bias and Fairness in AI (BIAS 2021) Workshop on Workshop on Active Inference (IWAI 2021) Workshop on Machine Learning for Cybersecurity (MLCS 2021) Workshop on Machine Learning in Software Engineering (MLiSE 2021) Workshop on MIning Data for financial applications (MIDAS 2021) Sixth Workshop on Data Science for Social Good (SoGood 2021) Workshop on Machine Learning for Pharma and Healthcare Applications (PharML 2021) Second Workshop on Evaluation and Experimental Design in Data Mining and Machine Learning (EDML 2020) Workshop on Machine Learning for Buildings Energy Management (MLBEM 2021). Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning and Principles and Practice of Knowledge Discovery in Databases : International Workshops of ECML PKDD 2021, Virtual Event, September 13-17, 2021, Proceedings, Part II Tipo de documento: documento electrónico Autores: Kamp, Michael, ; Koprinska, Irena, ; Bibal, Adrien, ; Bouadi, Tassadit, ; Frénay, Benoît, ; Galárraga, Luis, ; Oramas, José, ; Adilova, Linara, ; Krishnamurthy, Yamuna, ; Kang, Bo, ; Largeron, Christine, ; Lijffijt, Jefrey, ; Viard, Tiphaine, ; Welke, Pascal, ; Ruocco, Massimiliano, ; Aune, Erlend, ; Gallicchio, Claudio, ; Schiele, Gregor, ; Pernkopf, Franz, ; Blott, Michaela, ; Fröning, Holger, ; Schindler, Günther, ; Guidotti, Riccardo, ; Monreale, Anna, ; Rinzivillo, Salvatore, ; Biecek, Przemyslaw, ; Ntoutsi, Eirini, ; Pechenizkiy, Mykola, ; Rosenhahn, Bodo, ; Buckley, Christopher, ; Cialfi, Daniela, ; Lanillos, Pablo, ; Ramstead, Maxwell, ; Verbelen, Tim, ; Ferreira, Pedro M., ; Andresini, Giuseppina, ; Malerba, Donato, ; Medeiros, Ibéria, ; Fournier-Viger, Philippe, ; Nawaz, M. Saqib, ; Ventura, Sebastian, ; Sun, Meng, ; Zhou, Min, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Ferretti, Andrea, ; Gullo, Francesco, ; Ponti, Giovanni, ; Severini, Lorenzo, ; Ribeiro, Rita, ; Gama, João, ; Gavaldà , Ricard, ; Cooper, Lee, ; Ghazaleh, Naghmeh, ; Richiardi, Jonas, ; Roqueiro, Damian, ; Saldana Miranda, Diego, ; Sechidis, Konstantinos, ; Graça, Guilherme, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XXVI, 584 p. 156 ilustraciones, 135 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-93733-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Ordenadores Procesamiento de imágenes Visión por computador IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. Entornos informáticos Imágenes por computadora visión reconocimiento de patrones y gráficos Clasificación: 006.3 Resumen: Este conjunto de dos volúmenes constituye las actas arbitradas de los talleres que complementaron la 21.ª Conferencia Europea Conjunta sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD, celebrada en septiembre de 2021. Debido a la pandemia de COVID-19, la conferencia y los talleres se llevaron a cabo en lÃnea. . Los 104 artÃculos fueron revisados ​​minuciosamente y seleccionados entre 180 artÃculos presentados para los talleres. Este conjunto de dos volúmenes incluye las actas de los siguientes talleres: Taller sobre avances en aprendizaje automático interpretable e inteligencia artificial (AIMLAI 2021) Taller sobre aprendizaje paralelo, distribuido y federado (PDFL 2021) Taller sobre integración y minerÃa de gráficos (GEM 2021) Taller sobre aprendizaje automático para series temporales irregulares (ML4ITS 2021) Taller sobre IoT, Edge y dispositivos móviles para aprendizaje automático integrado (ITEM 2021) Taller sobre descubrimiento de conocimientos explicables en minerÃa de datos (XKDD 2021) Taller sobre sesgos y equidad en la IA (BIAS 2021) ) Taller sobre Taller sobre Inferencia Activa (IWAI 2021) Taller sobre Aprendizaje Automático para Ciberseguridad (MLCS 2021) Taller sobre Aprendizaje Automático en IngenierÃa de Software (MLiSE 2021) Taller sobre MinerÃa de Datos para aplicaciones financieras (MIDAS 2021) Sexto Taller sobre Ciencia de Datos para Social Good (SoGood 2021) Taller sobre aprendizaje automático para aplicaciones farmacéuticas y sanitarias (PharML 2021) Segundo taller sobre evaluación y diseño experimental en minerÃa de datos y aprendizaje automático (EDML 2020) Taller sobre aprendizaje automático para la gestión energética de edificios (MLBEM 2021). Nota de contenido: Machine Learning for CyberSecurity -- Workshop on Machine Learning in Softtware Engineering -- MIning DAta for financial applicationS -- Sixth Workshop on Data Science for Social Good (SoGood 2021) -- Machine Learning for Pharma and Healthcare Applications -- Machine Learning for Buildings Energy Management. Tipo de medio : Computadora Summary : This two-volume set constitutes the refereed proceedings of the workshops which complemented the 21th Joint European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD, held in September 2021. Due to the COVID-19 pandemic the conference and workshops were held online. The 104 papers were thoroughly reviewed and selected from 180 papers submited for the workshops. This two-volume set includes the proceedings of the following workshops: Workshop on Advances in Interpretable Machine Learning and Artificial Intelligence (AIMLAI 2021) Workshop on Parallel, Distributed and Federated Learning (PDFL 2021) Workshop on Graph Embedding and Mining (GEM 2021) Workshop on Machine Learning for Irregular Time-series (ML4ITS 2021) Workshop on IoT, Edge, and Mobile for Embedded Machine Learning (ITEM 2021) Workshop on eXplainable Knowledge Discovery in Data Mining (XKDD 2021) Workshop on Bias and Fairness in AI (BIAS 2021) Workshop on Workshop on Active Inference (IWAI 2021) Workshop on Machine Learning for Cybersecurity (MLCS 2021) Workshop on Machine Learning in Software Engineering (MLiSE 2021) Workshop on MIning Data for financial applications (MIDAS 2021) Sixth Workshop on Data Science for Social Good (SoGood 2021) Workshop on Machine Learning for Pharma and Healthcare Applications (PharML 2021) Second Workshop on Evaluation and Experimental Design in Data Mining and Machine Learning (EDML 2020) Workshop on Machine Learning for Buildings Energy Management (MLBEM 2021). Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning and Principles and Practice of Knowledge Discovery in Databases : International Workshops of ECML PKDD 2021, Virtual Event, September 13-17, 2021, Proceedings, Part II [documento electrónico] / Kamp, Michael, ; Koprinska, Irena, ; Bibal, Adrien, ; Bouadi, Tassadit, ; Frénay, Benoît, ; Galárraga, Luis, ; Oramas, José, ; Adilova, Linara, ; Krishnamurthy, Yamuna, ; Kang, Bo, ; Largeron, Christine, ; Lijffijt, Jefrey, ; Viard, Tiphaine, ; Welke, Pascal, ; Ruocco, Massimiliano, ; Aune, Erlend, ; Gallicchio, Claudio, ; Schiele, Gregor, ; Pernkopf, Franz, ; Blott, Michaela, ; Fröning, Holger, ; Schindler, Günther, ; Guidotti, Riccardo, ; Monreale, Anna, ; Rinzivillo, Salvatore, ; Biecek, Przemyslaw, ; Ntoutsi, Eirini, ; Pechenizkiy, Mykola, ; Rosenhahn, Bodo, ; Buckley, Christopher, ; Cialfi, Daniela, ; Lanillos, Pablo, ; Ramstead, Maxwell, ; Verbelen, Tim, ; Ferreira, Pedro M., ; Andresini, Giuseppina, ; Malerba, Donato, ; Medeiros, Ibéria, ; Fournier-Viger, Philippe, ; Nawaz, M. Saqib, ; Ventura, Sebastian, ; Sun, Meng, ; Zhou, Min, ; Bitetta, Valerio, ; Bordino, Ilaria, ; Ferretti, Andrea, ; Gullo, Francesco, ; Ponti, Giovanni, ; Severini, Lorenzo, ; Ribeiro, Rita, ; Gama, João, ; Gavaldà , Ricard, ; Cooper, Lee, ; Ghazaleh, Naghmeh, ; Richiardi, Jonas, ; Roqueiro, Damian, ; Saldana Miranda, Diego, ; Sechidis, Konstantinos, ; Graça, Guilherme, . - 1 ed. . - [s.l.] : Springer, 2021 . - XXVI, 584 p. 156 ilustraciones, 135 ilustraciones en color.
ISBN : 978-3-030-93733-1
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Inteligencia artificial IngenierÃa Informática Red de computadoras Ciencias sociales Ordenadores Procesamiento de imágenes Visión por computador IngenierÃa Informática y Redes Aplicación informática en ciencias sociales y del comportamiento. Entornos informáticos Imágenes por computadora visión reconocimiento de patrones y gráficos Clasificación: 006.3 Resumen: Este conjunto de dos volúmenes constituye las actas arbitradas de los talleres que complementaron la 21.ª Conferencia Europea Conjunta sobre Aprendizaje Automático y Descubrimiento de Conocimiento en Bases de Datos, ECML PKDD, celebrada en septiembre de 2021. Debido a la pandemia de COVID-19, la conferencia y los talleres se llevaron a cabo en lÃnea. . Los 104 artÃculos fueron revisados ​​minuciosamente y seleccionados entre 180 artÃculos presentados para los talleres. Este conjunto de dos volúmenes incluye las actas de los siguientes talleres: Taller sobre avances en aprendizaje automático interpretable e inteligencia artificial (AIMLAI 2021) Taller sobre aprendizaje paralelo, distribuido y federado (PDFL 2021) Taller sobre integración y minerÃa de gráficos (GEM 2021) Taller sobre aprendizaje automático para series temporales irregulares (ML4ITS 2021) Taller sobre IoT, Edge y dispositivos móviles para aprendizaje automático integrado (ITEM 2021) Taller sobre descubrimiento de conocimientos explicables en minerÃa de datos (XKDD 2021) Taller sobre sesgos y equidad en la IA (BIAS 2021) ) Taller sobre Taller sobre Inferencia Activa (IWAI 2021) Taller sobre Aprendizaje Automático para Ciberseguridad (MLCS 2021) Taller sobre Aprendizaje Automático en IngenierÃa de Software (MLiSE 2021) Taller sobre MinerÃa de Datos para aplicaciones financieras (MIDAS 2021) Sexto Taller sobre Ciencia de Datos para Social Good (SoGood 2021) Taller sobre aprendizaje automático para aplicaciones farmacéuticas y sanitarias (PharML 2021) Segundo taller sobre evaluación y diseño experimental en minerÃa de datos y aprendizaje automático (EDML 2020) Taller sobre aprendizaje automático para la gestión energética de edificios (MLBEM 2021). Nota de contenido: Machine Learning for CyberSecurity -- Workshop on Machine Learning in Softtware Engineering -- MIning DAta for financial applicationS -- Sixth Workshop on Data Science for Social Good (SoGood 2021) -- Machine Learning for Pharma and Healthcare Applications -- Machine Learning for Buildings Energy Management. Tipo de medio : Computadora Summary : This two-volume set constitutes the refereed proceedings of the workshops which complemented the 21th Joint European Conference on Machine Learning and Knowledge Discovery in Databases, ECML PKDD, held in September 2021. Due to the COVID-19 pandemic the conference and workshops were held online. The 104 papers were thoroughly reviewed and selected from 180 papers submited for the workshops. This two-volume set includes the proceedings of the following workshops: Workshop on Advances in Interpretable Machine Learning and Artificial Intelligence (AIMLAI 2021) Workshop on Parallel, Distributed and Federated Learning (PDFL 2021) Workshop on Graph Embedding and Mining (GEM 2021) Workshop on Machine Learning for Irregular Time-series (ML4ITS 2021) Workshop on IoT, Edge, and Mobile for Embedded Machine Learning (ITEM 2021) Workshop on eXplainable Knowledge Discovery in Data Mining (XKDD 2021) Workshop on Bias and Fairness in AI (BIAS 2021) Workshop on Workshop on Active Inference (IWAI 2021) Workshop on Machine Learning for Cybersecurity (MLCS 2021) Workshop on Machine Learning in Software Engineering (MLiSE 2021) Workshop on MIning Data for financial applications (MIDAS 2021) Sixth Workshop on Data Science for Social Good (SoGood 2021) Workshop on Machine Learning for Pharma and Healthcare Applications (PharML 2021) Second Workshop on Evaluation and Experimental Design in Data Mining and Machine Learning (EDML 2020) Workshop on Machine Learning for Buildings Energy Management (MLBEM 2021). Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Periodic Pattern Mining : Theory, Algorithms, and Applications Tipo de documento: documento electrónico Autores: Kiran, R. Uday, ; Fournier-Viger, Philippe, ; Luna, Jose M., ; Lin, Jerry Chun-Wei, ; Mondal, Anirban, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2021 Número de páginas: VIII, 263 p. 65 ilustraciones, 46 ilustraciones en color. ISBN/ISSN/DL: 978-981-1639647-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial Aprendizaje automático Procesamiento de datos MinerÃa de datos y descubrimiento de conocimientos Clasificación: 006.3 Resumen: Este libro proporciona una introducción al campo de la minerÃa de patrones periódicos, revisa las técnicas más modernas, analiza los avances recientes y analiza el software de código abierto. La minerÃa de patrones periódicos es un área de investigación emergente y popular en el campo de la minerÃa de datos. Implica descubrir todos los patrones que ocurren regularmente en bases de datos temporales. Una de las principales aplicaciones de la minerÃa de patrones periódica es el análisis de bases de datos de transacciones de clientes para descubrir conjuntos de artÃculos que los clientes han comprado regularmente. Descubrir tales patrones tiene varias implicaciones para comprender el comportamiento de los clientes. Desde los primeros trabajos sobre minerÃa de patrones periódicos se han publicado numerosos estudios y se han logrado grandes avances en este campo. El libro consta de tres partes principales: introducción, algoritmos y aplicaciones. El primer capÃtulo es una introducción a la minerÃa de patrones y la minerÃa de patrones periódica. Se discuten los conceptos de periodicidad, soporte periódico, técnicas de exploración espacial de búsqueda y estrategias de poda. También se presentan los principales tipos de algoritmos, como el crecimiento de patrones periódico-frecuente, el crecimiento de patrones periódico parcial y el algoritmo de minerÃa de conjuntos de elementos periódicos de alta utilidad. Se revisan los desafÃos y las oportunidades de investigación. Los capÃtulos que siguen presentan técnicas de vanguardia para descubrir patrones periódicos en (1) bases de datos transaccionales, (2) bases de datos temporales, (3) bases de datos temporales cuantitativas y (4) big data. Luego, se presenta la teorÃa sobre representaciones concisas de patrones periódicos, asà como el ocultamiento de información sensible mediante técnicas de minerÃa de datos que preservan la privacidad. El libro concluye con varias aplicaciones de la minerÃa de patrones periódica, incluidas aplicaciones en análisis de datos de contaminación del aire, análisis de datos de accidentes y análisis de congestión del tráfico. Nota de contenido: Chapter 1: Introduction to Data Mining -- Chapter 2: Discovering Frequent Patterns in Very Large Transactional Database -- Chapter 3: Discovering Periodic Frequent Patterns in Temporal Databases -- Chapter 4: Discovering Fuzzy Periodic Frequent Patterns in Quantitative Temporal Databases -- Chapter 5: Discovering Partial Periodic Patterns in Temporal Databases -- Chapter 6: Finding Periodic Patterns in Multiple Sequences -- Chapter 7: Discovering Self Reliant Patterns -- Chapter 8: Finding Periodic High Utility Patterns in Sequence -- Chapter 9: Mining Periodic High Utility Sequential Patterns with Negative Unit Profits -- Chapter 10: Hiding Periodic High Utility Sequential Patterns -- Chapter 11: NetHAPP -- Chapter 12: Privacy Preservation of Periodic Frequent Patterns using Sensitive Inverse Frequency. Tipo de medio : Computadora Summary : This book provides an introduction to the field of periodic pattern mining, reviews state-of-the-art techniques, discusses recent advances, and reviews open-source software. Periodic pattern mining is a popular and emerging research area in the field of data mining. It involves discovering all regularly occurring patterns in temporal databases. One of the major applications of periodic pattern mining is the analysis of customer transaction databases to discover sets of items that have been regularly purchased by customers. Discovering such patterns has several implications for understanding the behavior of customers. Since the first work on periodic pattern mining, numerous studies have been published and great advances have been made in this field. The book consists of three main parts: introduction, algorithms, and applications. The first chapter is an introduction to pattern mining and periodic pattern mining. The concepts of periodicity, periodic support, search space exploration techniques, and pruning strategies are discussed. The main types of algorithms are also presented such as periodic-frequent pattern growth, partial periodic pattern-growth, and periodic high-utility itemset mining algorithm. Challenges and research opportunities are reviewed. The chapters that follow present state-of-the-art techniques for discovering periodic patterns in (1) transactional databases, (2) temporal databases, (3) quantitative temporal databases, and (4) big data. Then, the theory on concise representations of periodic patterns is presented, as well as hiding sensitive information using privacy-preserving data mining techniques. The book concludes with several applications of periodic pattern mining, including applications in air pollution data analytics, accident data analytics, and traffic congestion analytics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Periodic Pattern Mining : Theory, Algorithms, and Applications [documento electrónico] / Kiran, R. Uday, ; Fournier-Viger, Philippe, ; Luna, Jose M., ; Lin, Jerry Chun-Wei, ; Mondal, Anirban, . - 1 ed. . - Singapore [Malasia] : Springer, 2021 . - VIII, 263 p. 65 ilustraciones, 46 ilustraciones en color.
ISBN : 978-981-1639647--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Inteligencia artificial Aprendizaje automático Procesamiento de datos MinerÃa de datos y descubrimiento de conocimientos Clasificación: 006.3 Resumen: Este libro proporciona una introducción al campo de la minerÃa de patrones periódicos, revisa las técnicas más modernas, analiza los avances recientes y analiza el software de código abierto. La minerÃa de patrones periódicos es un área de investigación emergente y popular en el campo de la minerÃa de datos. Implica descubrir todos los patrones que ocurren regularmente en bases de datos temporales. Una de las principales aplicaciones de la minerÃa de patrones periódica es el análisis de bases de datos de transacciones de clientes para descubrir conjuntos de artÃculos que los clientes han comprado regularmente. Descubrir tales patrones tiene varias implicaciones para comprender el comportamiento de los clientes. Desde los primeros trabajos sobre minerÃa de patrones periódicos se han publicado numerosos estudios y se han logrado grandes avances en este campo. El libro consta de tres partes principales: introducción, algoritmos y aplicaciones. El primer capÃtulo es una introducción a la minerÃa de patrones y la minerÃa de patrones periódica. Se discuten los conceptos de periodicidad, soporte periódico, técnicas de exploración espacial de búsqueda y estrategias de poda. También se presentan los principales tipos de algoritmos, como el crecimiento de patrones periódico-frecuente, el crecimiento de patrones periódico parcial y el algoritmo de minerÃa de conjuntos de elementos periódicos de alta utilidad. Se revisan los desafÃos y las oportunidades de investigación. Los capÃtulos que siguen presentan técnicas de vanguardia para descubrir patrones periódicos en (1) bases de datos transaccionales, (2) bases de datos temporales, (3) bases de datos temporales cuantitativas y (4) big data. Luego, se presenta la teorÃa sobre representaciones concisas de patrones periódicos, asà como el ocultamiento de información sensible mediante técnicas de minerÃa de datos que preservan la privacidad. El libro concluye con varias aplicaciones de la minerÃa de patrones periódica, incluidas aplicaciones en análisis de datos de contaminación del aire, análisis de datos de accidentes y análisis de congestión del tráfico. Nota de contenido: Chapter 1: Introduction to Data Mining -- Chapter 2: Discovering Frequent Patterns in Very Large Transactional Database -- Chapter 3: Discovering Periodic Frequent Patterns in Temporal Databases -- Chapter 4: Discovering Fuzzy Periodic Frequent Patterns in Quantitative Temporal Databases -- Chapter 5: Discovering Partial Periodic Patterns in Temporal Databases -- Chapter 6: Finding Periodic Patterns in Multiple Sequences -- Chapter 7: Discovering Self Reliant Patterns -- Chapter 8: Finding Periodic High Utility Patterns in Sequence -- Chapter 9: Mining Periodic High Utility Sequential Patterns with Negative Unit Profits -- Chapter 10: Hiding Periodic High Utility Sequential Patterns -- Chapter 11: NetHAPP -- Chapter 12: Privacy Preservation of Periodic Frequent Patterns using Sensitive Inverse Frequency. Tipo de medio : Computadora Summary : This book provides an introduction to the field of periodic pattern mining, reviews state-of-the-art techniques, discusses recent advances, and reviews open-source software. Periodic pattern mining is a popular and emerging research area in the field of data mining. It involves discovering all regularly occurring patterns in temporal databases. One of the major applications of periodic pattern mining is the analysis of customer transaction databases to discover sets of items that have been regularly purchased by customers. Discovering such patterns has several implications for understanding the behavior of customers. Since the first work on periodic pattern mining, numerous studies have been published and great advances have been made in this field. The book consists of three main parts: introduction, algorithms, and applications. The first chapter is an introduction to pattern mining and periodic pattern mining. The concepts of periodicity, periodic support, search space exploration techniques, and pruning strategies are discussed. The main types of algorithms are also presented such as periodic-frequent pattern growth, partial periodic pattern-growth, and periodic high-utility itemset mining algorithm. Challenges and research opportunities are reviewed. The chapters that follow present state-of-the-art techniques for discovering periodic patterns in (1) transactional databases, (2) temporal databases, (3) quantitative temporal databases, and (4) big data. Then, the theory on concise representations of periodic patterns is presented, as well as hiding sensitive information using privacy-preserving data mining techniques. The book concludes with several applications of periodic pattern mining, including applications in air pollution data analytics, accident data analytics, and traffic congestion analytics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Permalink
