Suarne

写在前面：渐变模式挖掘（gradual pattern mining）用于发掘“越···，越···”这类规则中各个组成部分之间存在的关联，如“速度越快、用时越短”、“熬夜越少，睡眠越好”等 ...

写在前面：传统的 top-k 查询是针对事务的某个维度进行考量，比如找出利润最高的 k 个商品组合，最频繁出现的 k 个网络攻击等等。但在大多情况下，由于事务的复杂性，制定策略需要考虑多个维度

写在前面：在数据挖掘领域中，隐私保护问题是普遍存在且难以根除。为此，学者们提出一个新的研究领域 privacy-preserving data mining (PPDM)，通过修改源数据库，降低...

写在前面：传统的高效用项集挖掘算法从数据集中挖掘海量的高效用项集，但这在一定程度上会给使用者造成一定的信息干扰，无法快速找出最重要的关键信息。为了解决这个问题...

写在前面：本算法为 HUI-Miner 的改进算法，在原有的基础上增加了一些新的数据结构，通过减少生成 utility-list 的数量，进而达到提高运行效率的目的。

写在前面：HUI-Miner 是第一个 utility-list based 算法，也是第一个 “one-phase” 类算法，它在原数据集上进行挖掘...

写在前面：处理现实的数据集（即时刻变化中），如何在这些动态数据集上或者对两个不同时刻的同一数据集进行挖掘分析是一个很有价值的问题；因此，该论文提出了一个新的概念 emerging pattern..

写在前面：连续序列挖掘（contiguous sequential pattern mining）是一种在我们日常生活中十分常见的任务，如网页日志、DNA序列分析、物体运行轨迹等等，但是...

写在前面：根据传统的效用项集挖掘算法得到的高效用项集，是一个高度抽象的集合，并没有反应出该集合内部元素为什么能够构成高效用项集，它们之间存在何种关联也无从得知，因此...