Mining Attribute-Based Access Control Policies from Logs
基于属性的访问控制（ABAC）提供了高度的灵活性，可促进安全性和信息共享。ABAC策略挖掘算法有可能显著降低迁移到ABAC的成本，通过部分自动化从现有的访问控制策略和属性数据的信息的ABAC策略的开发。提出了一种从操作日志和属性数据中挖掘ABAC策略的算法。据我们所知，它是解决这个问题的第一个算法。
2018-02-13 cs.CR cs.DB
Data Mining Attribute Selection Approach for Drought Modeling: A Case Study for Greater Horn of Africa
本文的目标是：1）开发一种经验方法，用于选择干旱建模的相关属性; 2）选择与大非洲之角干旱建模和预测最相关的属性。来自不同领域的24个属性用于此实验分析。两个属性选择算法用于本研究：主成分分析（PCA）和基于相关性的属性选择（CAS）。使用PCA和CAS算法，24个属性的排序，他们的价值值。因此，选择了15个属性来模拟GHA的干旱。所选属性的平均价值从0.5到0.9不等。未来的研究可能会使用相关的分类技术来评估所开发的方法，并量化从所开发的方法中获得的实际信息。
2017-08-15 cs.DB
Mining Statistically Significant Attribute Associations in Attributed Graphs
最近，图已被广泛用于表示许多不同种类的真实世界数据或观察，诸如社交网络、蛋白质-蛋白质网络、道路网络等。图中的每一个节点都与它的一组属性相关联，在各种图挖掘中，不仅要考虑图的链接结构，而且要利用属性信息来获得更有意义的结果。任务大多数以前的工作与属性图考虑到会计属性关系之间的单独连接的节点。然而，找出哪些属性集相互关联以及它们是否具有统计学意义应该是非常有价值的。挖掘这些重要的关联，我们可以发现图中属性集之间的新关系。我们提出了一个算法，可以找到这些属性的关联高效，有效地，并显示实验结果，证实了所提出的算法的高适用性。
2016-09-27 cs.DB cs.SI
A New Method for Classification of Datasets for Data Mining
Faculty of Engineering & Technology, Mody Institute of Technology & Science（Mody科技学院工程与技术学院）
决策树是归纳研究和数据采掘的重要方法，主要用于模型分类和预测。ID 3算法是迄今为止决策树中应用最广泛的算法。针对ID 3算法倾向于选择多值属性的缺点，提出了一种新的决策树算法，该算法是ID 3算法的改进。在我们提出的算法中，属性被分成组，然后我们对这些组应用选择度量5。如果信息增益不好，则再次将属性值分组。完成这些步骤，直到我们获得良好的分类/误分类比率。所提出的算法分类的数据集更准确，更有效。
2016-12-01 cs.DB cs.LG stat.ML
Spatio-Temporal Data Mining: A Survey of Problems and Methods
University of Cincinnati（辛辛那提大学）；University of Minnesota（明尼苏达大学）
在气候科学、社会科学、神经科学、流行病学、交通运输、移动健康和地球科学等不同领域，越来越多地收集和研究大量的时空数据。时空数据不同于关系数据，对于关系数据，计算方法在数据采掘社区中开发了几十年，因为除了实际测量/属性之外，空间和时间属性都是可用的。这些属性的存在带来了需要应对的额外挑战。时空数据挖掘方法在数据采掘领域已经研究了十多年。在这篇文章中，我们提出了一个广泛的调查，这个相对年轻的领域的时空数据采掘。我们讨论了不同类型的时空数据和相关的数据采掘问题，在分析这些数据集的上下文中出现的。基于所研究的数据采掘问题的性质，我们将时空数据采掘的文献分为六大类：聚类、预测学习、变化检测、频繁模式挖掘、异常检测和关系挖掘。我们讨论了各种形式的时空数据采掘的问题，在这些类别。
2017-11-17 cs.AI cs.CV cs.DB
Efficient mining of maximal biclusters in mixed-attribute datasets
本文提出了一种新的枚举双聚类算法，直接挖掘混合属性数据集（包含数值和分类属性）中的所有最大双聚类，有或没有缺失值。该提案是RIn-Close_CVC的扩展，RIn-Close_CVC最初被设想为仅从数值数据集中挖掘列上具有常量值的完美或扰动双聚类，并且没有缺失值。即使赋予了额外的和更一般的功能，扩展的RIn-Close_CVC仍然保留了四个关键属性：（1）效率，（2）完整性，（3）正确性和（4）非冗余性。我们的建议是第一个处理混合属性数据集，而不需要任何预处理步骤，如离散化和实值属性的分项。这是一个决定性的方面，因为离散化和逐项化意味着先验决策，信息丢失，对后果没有明确的控制。另一方面，即使必须为每个数值属性指定先验的单独阈值，该阈值将用于指示每个属性的内部一致性，每个阈值将在双聚类的构造期间应用，从而形成数据分布的特性。我们还探索了双聚类和频繁模式挖掘之间的紧密联系，以（1）提供过滤器来选择具有高相关性和低冗余的紧凑双聚类集，以及（2）在标记数据集的情况下，通过定量类关联规则，以用户友好和直观的形式自动呈现双聚类。我们的实验结果表明，biclusters产生一个简约的相关规则集，提供了有用的和可解释的模型为五个混合属性标记的数据集。
2017-10-09 cs.DB
Separate and conquer heuristic allows robust mining of contrast sets in classification, regression, and survival data
Silesian University of Technology（西里西亚工业大学）；Institute of Innovative Technologies, EMAG（EMAG创新技术研究所）
识别群体之间的差异是最重要的知识发现问题之一。该过程也称为对比集挖掘，应用于医学，工业或经济等广泛领域。在本文中，我们提出了RuleKit-CS，一个算法的对比集挖掘的基础上分离和征服-一个良好的启发式决策规则归纳。伴随着属性惩罚方案的多个通道提供了描述具有不同属性的相同示例的对比集，将所提出的方法与标准的分离和征服区分开来。该算法还被推广到回归和生存数据，允许识别标签属性/生存预后与预定义对比组的标签/预后一致的对比集。现有方法没有提供的此功能进一步扩展了RuleKit-CS的可用性。对来自不同地区的130多个数据集进行的实验和对选定案例的详细分析证实，RuleKit-CS是发现定义群体之间差异的有用工具。该算法作为RuleKit套件的一部分在GitHub上以GNU AGPL 3许可证（https：//github.com/adaa-polsl/RuleKit）实现。关键词：对比集，分离与征服，回归，生存
2023-03-13 cs.AI cs.DB cs.LG
Smart City Data Analysis via Visualization of Correlated Attribute Patterns
城市状况由各种各样的传感器监测，这些传感器测量温度和交通量等多个属性。传感器的相关性有助于准确分析和理解城市状况。相关属性模式（CAP）挖掘发现多个属性之间的相关性，从传感器集空间上彼此接近，并在其测量时间相关。在本文中，我们开发了一个可视化系统CAP挖掘和演示分析的智慧城市数据。我们的可视化系统支持通过地图上的传感器位置及其测量值的时间变化直观地了解采矿结果。在我们的演示场景中，我们提供了从中国和西班牙桑坦德收集的四个智慧城市数据集。我们证明了我们的系统有助于智能城市数据的交互式分析。
2021-04-14 cs.DB
A Novel Approach for Imputation of Missing Attribute Values for Efficient Mining of Medical Datasets - Class Based Cluster Approach
缺失属性值在文献中可用的数据集中相当常见。缺失值也是可能的，因为所有属性值可能都没有被记录，因此由于几个实际原因而不可用。对于所有这些，如果必须进行分析，则必须修复缺失的属性值。插补是分析医学数据集的第一步。因此，这已经取得了一些医学领域的研究人员的重大贡献。几个数据采掘的研究人员提出了各种方法和途径来填补缺失值。然而，很少有人专注于降维。在本文中，我们讨论了一个新的填补框架缺失值填补。我们的方法填补缺失值是植根于基于类的聚类方法，本质上是针对医疗记录降维。我们利用这些维度记录进行预测和分类分析。一个案例研究进行了讨论，说明如何填补使用所提出的方法。
2016-05-03 cs.DB cs.IR
Optimal Categorical Attribute Transformation for Granularity Change in Relational Databases for Binary Decision Problems in Educational Data Mining
本文提出了一种在层次数据库中对二元决策问题的数据粒度进行转换的方法，该方法通过在较低粒度级别上对分类属性进行回归来实现。来自关系数据库中较低层次实体的属性通过在小的排他标记样本上训练的类别直方图上回归而不是分布的通常模式类别来优化其信息内容。本文通过一个评价中学质量的二元决策任务验证了该方法，重点是逻辑回归如何将学生和教师属性转换为学校属性。实验进行了巴西学校的公共数据集，通过10倍交叉验证比较的排名得分也由逻辑回归。所提出的方法取得了更高的性能比通常的分布模式转换和等于专家加权方法测量的最大Kolmogorov-Smirnov距离和ROC曲线下面积在0.01的显着性水平。
2017-02-28 cs.AI cs.DB
CRDT: Correlation Ratio Based Decision Tree Model for Healthcare Data Mining
Central University of Bihar（比哈尔中央大学）；Indian Institute of Technology Patna（印度理工学院巴特那分校）
医疗保健数据的惊人增长激励我们研究用于数据采掘的健壮且可扩展的模型。对于分类问题，基于信息增益的决策树是一种流行的选择。然而，根据数据集的性质，基于IG的决策树可能并不总是表现良好，因为它更喜欢具有更多数量的不同值的属性作为分裂属性。医疗保健数据集通常具有许多属性，并且每个属性通常具有许多不同的值。在本文中，我们试图专注于这个特点的数据集，同时分析我们提出的方法，这是一个变种的决策树模型，并使用相关比（CR）的概念的性能。与基于IG的方法不同，这种基于CR的方法对具有更多不同值的属性没有偏见。我们已经将我们的模型应用于一些基准医疗数据集，以显示所提出的技术的有效性。
2015-09-24 cs.AI cs.DB
Association rule mining and itemset-correlation based variants
关联规则表达了项目集数据库中属性之间的隐含关系。提出了大多数关联规则挖掘算法的基础Apriori算法。它的工作原理是修剪掉不需要根据用户指定的最小支持置信度进行评估的规则。此外，算法的变化，使其能够处理定量属性和提取规则的概括项目，但保留向下关闭属性，使修剪。在特殊情况下，提出了扩展的相互转换。
2019-07-22 cs.DB cs.IR
Ant Colony Optimization for Mining Gradual Patterns
渐进模式提取是数据库中知识发现（KDD）的一个领域，它将数据集属性之间的相关性映射为渐进依赖关系。渐进依赖性可以采取“属性K越多，属性L越少”的形式。在本文中，我们提出了一种蚁群优化技术，使用概率的方法来学习和提取频繁的渐进模式。通过在真实数据集上的计算实验，将该算法与已有的渐进式项目集抽取算法进行了性能比较，发现该算法在处理大数据集时的性能优于后者.
2022-08-31 cs.DB cs.NE
Integrating User's Domain Knowledge with Association Rule Mining
Chaudhary Devi Lal University（乔杜里·德维·拉尔大学）
本文提出了一种变体的Apriori算法，包括领域专家的作用，指导和加快整体知识发现任务。通常，用户感兴趣的是查找某些属性之间的关系，而不是整个数据集。此外，他可以帮助挖掘算法选择目标数据库，这反过来又需要更少的时间来找到所需的关联规则。标准Apriori和交互式Apriori算法的变体已经在人工数据集上运行。结果表明，在目标属性的选择中加入用户的偏好，有助于在空间和时间上有效地搜索关联规则。
2010-04-20 cs.AI cs.DB
Mining Path Association Rules in Large Property Graphs (with Appendix)
Osaka University（大阪大学）；University of Copenhagen（哥本哈根大学）
本文提出路径关联规则挖掘问题，并开发算法PIONEER，利用反单调性剪枝和近似并行技术，在大型属性图中高效发现路径模式共现规律，实验验证其有效性和可扩展性。
2024-09-20 cs.AI cs.DB
Hybrid Microaggregation for Privacy-Preserving Data Mining
微聚合的k-匿名是最常用的匿名技术之一。这种成功是由于在信息损失和身份泄露风险之间实现了利益权衡。然而，该方法可能具有一些缺点。在披露限制方面，缺乏对属性披露的保护。在数据实用程序方面，处理真实的数据集是一项具有挑战性的任务。事实上，后者的特点是其大量的属性和噪声数据的存在，这样的离群值，甚至，数据与缺失值。生成对数据采掘任务有用的匿名个体数据，同时减少噪声数据的影响是一项迫切需要实现的任务。在本文中，我们介绍了一种新的微聚集方法，称为HM-PFSOM，基于模糊可能性聚类。我们提出的方法通过混合方式操作。这意味着匿名化过程是按相似数据块应用的。因此，我们可以帮助减少匿名化过程中的信息丢失。HMPFSOM方法提出研究每个子数据集内机密属性的分布。然后，根据后一种分布，以保持匿名化微数据内的机密属性的多样性的方式确定隐私参数k。这允许降低机密信息的泄露风险。
2018-12-04 cs.CR cs.DB cs.IR
Integrating Wearable Data into Process Mining: Event, Case and Activity Enrichment
Utrecht University（乌得勒支大学）
本文提出将可穿戴数据整合到过程挖掘中，通过事件、案例和活动的增强方法提升个人生产力和幸福感。
2025-12-04 cs.CY cs.DB
A Metaheuristic Approach for Mining Gradual Patterns
群体智能是一门研究群体行为的学科，这种行为是由一群个体彼此之间以及与环境之间的局部相互作用产生的。在计算机科学领域中，许多群体智能技术被应用于寻求在搜索空间内有效地找到最佳解的优化问题。渐进模式挖掘是另一个计算机科学领域，其可以在从巨大的搜索空间中找到渐进模式的任务中受益于基于群的优化技术的效率。渐变模式是一种基于规则的相关性，描述了数据集属性之间的渐变关系。例如，给定数据集的属性{G，H}，渐变模式可以采取以下形式：“G越小，H越大”。在本文中，我们提出了一个渐进模式的候选人，我们使用定义一个有效的搜索空间的数字编码。此外，我们提出了一个系统的研究，几个元启发式优化技术作为有效的解决方案，找到渐进的模式，使用我们的搜索空间的问题。
2022-11-15 cs.DB cs.NE
Mining relevant interval rules
AGROCAMPUS-OUEST/IRISA-UMR 6074（西部农学院/IRISA-UMR 6074）；Inria, Centre de Rennes（法国国家信息与自动化研究所雷恩中心）；University Rennes-1/IRISA-UMR 6074（雷恩第一大学/IRISA-UMR 6074）
本文通过提取基于区间的模式规则，将Garriga等人挖掘相关规则的方法扩展到数值属性。我们提出了一个算法，从数值数据集提取这样的规则，使用Kaytoue等人的间隔模式的方法。该算法已在真实数据集上实现和评估。
2017-09-11 cs.AI cs.DB
An Approach to Find Missing Values in Medical Datasets
医学数据集的挖掘是数据采掘研究人员面临的一个挑战性问题，因为这些数据集与传统数据集相比具有一些隐藏的挑战，从通过现场实验和临床试验收集样本到进行分类，在挖掘过程的每个阶段都有许多挑战。当我们处理医疗数据集时，挖掘过程中的预处理阶段本身就是一个具有挑战性的问题。挖掘医疗数据集的主要挑战之一是处理缺失值，这是预处理阶段的一部分。在本文中，我们解决的问题，处理医疗数据集的分类属性值的缺失值。本研究的主要贡献是利用所提出的插补措施来估计和修复缺失值。我们讨论了一个案例研究，以证明所提出的措施的工作。
2016-04-25 cs.DB
Mining Biclusters of Similar Values with Triadic Concept Analysis
Universidade Fereral de Minas Gerais（米纳斯吉拉斯联邦大学）；HSE（高等经济学院）；Palacky University（帕拉茨基大学）；INRIA/LORIA（法国国家信息与自动化研究所/洛林计算机科学及其应用实验室）
在2000年初，双聚类数值数据成为一种流行的数据挖掘任务，特别是用于分析基因表达数据。双聚类反映了数值对象/属性数据表中对象子集和属性子集之间的强关联。所谓的相似值的双聚类可以被认为是具有接近值的最大子表。只有少数方法解决了完整的，正确的和非冗余的枚举这样的模式，这是一个众所周知的棘手的问题，而没有正式的框架存在。在本文中，我们介绍了双聚类和形式概念分析之间的重要联系。更具体地说，我们最初表明，三元概念分析（TCA），提供了一个很好的数学框架双聚类。有趣的是，TCA的现有算法，通常适用于二进制数据，可以使用（直接或略有修改）后的预处理步骤，用于提取最大的双聚类相似的值。
2011-11-14 cs.AI cs.DB cs.DS
Mining Generalized Patterns from Large Databases using Ontologies
Université du Québec en Outaouais（魁北克大学乌塔韦分校）
形式概念分析（FCA）是一种基于概念和概念层次的形式化的数学理论。它已成功地应用于数据采掘、软件工程、知识工程等计算机科学领域，并在医学、心理学、语言学和生态学等许多领域得到应用。例如，它已被用于本体的设计，映射和细化。在本文中，我们展示了FCA如何通过分析分类（对象和/或属性）对所产生的概念格的影响，从给定的领域本体中受益。我们将主要集中在使用分类法来提取广义模式（即，当使用给定领域本体的元素时从数据生成的知识）以概念和规则的形式，并改进通过这些模式的导航。为此，我们分析了三个泛化的情况下，并显示其对广义模式集的大小的影响。还讨论了同时对对象和属性进行概括的不同情况
2009-05-28 cs.AI cs.DB cs.DM
A Way to Understand Various Patterns of Data Mining Techniques for Selected Domains
这与统计和机器学习领域的传统工作有很多共同点。然而，由于数据的庞大规模，出现了一些重要的新问题。分类规则学习是数据采掘中的一个重要问题，它涉及到寻找将给定数据划分为预定义类的规则。在涉及数百万条记录和大量属性的数据采掘领域中，现有算法的执行时间可能变得过高，特别是在交互式应用中。
2009-11-04 cs.DB cs.IR
Interesting Multi-Relational Patterns
从多关系数据中挖掘模式是数据采掘界越来越感兴趣的问题。传统的数据采掘方法通常是针对高度简化的数据类型开发的，例如属性-值表或二进制数据库，使得这些方法不能直接应用于多关系数据。然而，多关系数据更真实，因此通常也是现实的更强大的代表。因此，直接从这种表示中挖掘具有适当表达能力的语法模式是一个非常重要的研究问题。在本文中，我们介绍了一种新的方法来挖掘模式的多关系数据。我们提出了一个新的语法多关系模式的完全连通子图的数据库表示为一个K-部图。我们展示了这种模式语法如何普遍适用于多关系数据，而当数据是一个简单的二进制或属性值表时，它可以简化为众所周知的瓦片[7]。我们提出了RMiner，一个有效的算法来挖掘这样的模式，我们引入了一种方法来量化他们的兴趣时，与先验信息的数据挖掘。最后，我们通过讨论真实世界和合成数据库的结果来说明我们的方法的有用性。
2011-09-12 cs.DB cs.DS cs.SI
Capturing the temporal constraints of gradual patterns
Universite de Montpellier（蒙彼利埃大学）；LIRMM（蒙彼利埃计算机科学、机器人学与微电子学实验室）；Strathmore University（斯特拉斯莫尔大学）；FIT（信息技术学院）；LRIE；l’EFREI（EFREI工程信息学院）；LEMMA；LIP6（巴黎第六大学计算机科学实验室）
渐进模式挖掘允许通过渐进规则提取属性相关性，例如：“X越多，Y越多”。这种相关性在识别和隔离属性之间的关系时很有用，这些关系通过对数据集的快速扫描可能不明显。例如，研究人员可以应用渐进模式挖掘来确定数据集的哪些属性表现出不熟悉的相关性，以便将它们隔离以进行更深入的探索或分析。在这项工作中，我们提出了一种蚁群优化技术，它使用一种流行的概率方法，模仿生物蚂蚁的行为，因为他们寻找最短路径找到食物，以解决组合问题。在我们的第二个贡献中，我们扩展了现有的渐进模式挖掘技术，允许提取渐进模式以及受影响的渐进项目集之间的近似时间滞后。这种模式被称为模糊时间渐进模式，并且它可以采取以下形式：“X越多，Y越多，几乎3个月后”。在我们的第三个贡献中，我们提出了一个数据交叉模型，允许将大多数渐进模式挖掘算法实现集成到云平台中。这一贡献的动机是物联网应用在我们社会的几乎每个领域的扩散，这与提供来自不同来源的大规模时间序列数据有关。
2021-06-28 cs.AI cs.DB cs.NE
A Parallel/Distributed Algorithmic Framework for Mining All Quantitative Association Rules
Athens Information Technology（雅典信息技术学院）；Cepal Hellas Financial Services（Cepal Hellas金融服务公司）；Aalborg University（奥尔堡大学）
我们提出了QARMA，一个有效的新的并行算法挖掘所有的定量关联规则在大型多维数据集的项目需要至少有一个共同的属性被指定在规则单一的后果项。给定一个最小支持度和一组阈值标准的兴趣度措施，如信心，信念等，我们的算法保证生成所有非支配的数量关联规则，满足最小支持度和兴趣度的要求。这些规则对于寻求优化有针对性的活动或一般市场细分的营销部门来说非常重要。它们在医疗应用、金融以及预测性维护领域也具有价值。我们提供的计算结果显示了我们的算法的可扩展性，以及它的能力，以产生所有的规则，发现在大规模的合成和现实世界的数据集，如电影镜头，在几秒钟或几分钟的计算时间内的商品硬件。
2018-04-18 cs.AI cs.DB
Simultaneous Discrimination Prevention and Privacy Protection in Data Publishing and Mining
数据采掘是一种越来越重要的技术，用于提取隐藏在大量数据中的有用知识。然而，社会上对数据采掘也有一些负面的看法，其中包括潜在的隐私侵犯和潜在的歧视。自动化的数据汇集和分类等数据采掘技术为自动化决策铺平了道路，如贷款授予/拒绝，保险费计算。如果训练数据集在性别、种族、宗教等歧视性属性方面存在偏见，那么可能会出现歧视性决策。在本论文的第一部分中，我们解决了歧视预防数据采掘，并提出了新的技术适用于直接或间接的歧视预防单独或同时。我们讨论如何清理训练数据集和外包数据集，以便将直接和/或间接的歧视性决策规则转换为合法（非歧视性）分类规则。在本文的第二部分，我们认为隐私和歧视风险应该一起处理。我们探讨隐私保护数据采掘和歧视预防之间的关系，在数据采掘设计能够同时解决这两个威胁的知识发现过程中的整体方法。作为这项工作的一部分，我们已经调查了第一次的歧视和隐私意识的频繁模式发现的问题，即从交易数据库中挖掘的模式的集合的净化，以这样的方式，既不侵犯隐私，也不歧视推断可以推断出的释放模式。此外，我们调查的歧视和隐私意识的数据发布的问题，即转换的数据，而不是模式，以同时实现隐私保护和歧视预防。
2013-06-28 cs.CR cs.DB
