×
Ho、Tu-Bao；阮灿浩；川崎，佐里；乐、思广；Katsuhiko高桥

挖掘肝炎数据中的时间关系。 （英语） Zbl 1154.68371号

新一代计算。 25，第3247-262号（2007年）。
总结：过去几年，使用提供给研究社区的大型时间和关系数据库，为肝炎研究开发了各种数据挖掘方法。在这项工作中，我们通过检测和利用病毒性肝炎事件的时间模式和事件之间的关系，为本研究引入了一种新的时间抽象方法，例如“事件a发生在事件B和事件B同时结束于事件C之前”。我们开发了算法，首先检测时间序列中的重要时间模式，然后识别这些时间模式之间的时间关系。应用于时间关系事务/图的数据挖掘方法的许多发现，通过医生评估和与Medline上发表的匹配显示出重要意义。

引用于1文件

MSC公司：

第68页，共15页 数据库理论
68第05页 数据结构
68单位99 计算方法和应用

关键词：

时间模式；时间关系；肝炎研究；数据挖掘
PDF格式BibTeX公司 XML格式引用
\textit{T.-B.Ho}等人，《新一代计算》。25，第3号，247--262（2007；Zbl 1154.68371）
全文： 内政部

参考文献：

[1] Allen，J.，“维护关于时间间隔的知识”，美国计算机学会通讯，26（11），第832-843页，1983年·Zbl 0519.68079号 ·数字对象标识代码：10.1145/182.358434
[2] Allen，J.，“时间与时间再次：表示时间的多种方式”，《国际智能系统杂志》，6（4），第1-14页，1991年·doi:10.1002/int.4550060403
[3] Balaban，M.、Boaz，D.和Shahar，Y.，“在医学信息系统中应用时间抽象”，《数学、计算和远程信息学年鉴》1（1），第56-64页，2003年。
[4] Bellazzi，R.、Larizza，C.、Magni，P.、Montani，S.和Stefanelli，M.，“临床时间序列的智能分析：在糖尿病领域的应用”，《医学智能》，20，第37–57页，2000年·Zbl 05390711号 ·doi:10.1016/S0933-3657（00）00052-X
[5] Bruzzese，D.和Davino，C.，“发现关联规则的统计剪枝”，计算统计学16（3），第387-398页，2001年·Zbl 1007.62099号 ·doi:10.1007/s001800100074
[6] Chittaro，L.，Montanari，A.，“人工智能中的时间表示和推理：问题和方法”，《数学和人工智能年鉴》28，第47–106页，2000年·Zbl 1001.68096号 ·doi:10.1023/A:1018900105153
[7] Das，G.、Lin，K.I.、Mannila，H.、Renganathan，G.和Smyth，P.，“时间序列中的规则发现”，1998年知识发现和数据挖掘ACM国际会议KDD’98，第16–22页。
[8] Hirano，S.、Tsumoto，S.，“在长时间序列数据中挖掘相似的时间模式及其在医学中的应用”，IEEE国际数据挖掘会议ICDM’02，第219-2262002页。
[9] Ho，T.B.，Nguyen，T.D.，Kawasaki，S.，Le，S.Q.，Nguien，D.D.，Yokoi，H.，Takabayashi，K.，“利用时间抽象挖掘肝炎数据”，ACM国际知识发现与数据挖掘大会KDD’03，第369–377页，2003年。
[10] Hoppner，F.，“多元时间序列中的学习依赖性”，ECAI'02时空数据知识发现研讨会，第25-31页，2002年。
[11] Horn，W.、Miksch，S.、Egghart，G.、Popow，C.、Paky，F.，“高频数据的有效数据验证：时间点、时间间隔和基于趋势的方法”，《生物和医学中的计算机》，专刊：《医学中的时间导向系统》，27（5），第389–409页，1997年。
[12] http://lisp.vse.cz/challenge/ecmlpkdd2004/
[13] Jonsson P.，Backstrom，C.，“时间约束推理的统一方法”，《人工智能》102，第143-155页，1998年·Zbl 0912.68160号 ·doi:10.1016/S0004-3702（98）00031-9
[14] Kam，P.S.，Fu，A.W.C.，“发现基于时间间隔的事件的时间模式”，第二届数据仓库和知识发现国际会议DaWaK'00，LNAI 1874，Springer，第317–3262000页。
[15] Liu，B.，Hsu，W.，Ma，Y.，“修剪和总结发现的关联”，ACM知识发现和数据挖掘国际会议KDD’99，第125-134页，1999年。
[16] Mannila H.、Toivonen H.、Verkamo A.I.，“事件序列中频繁事件的发现”，数据挖掘和知识发现，第259-289页，1997年。
[17] Motoda，H.，《主动挖掘：数据挖掘的新方向》（编辑），IOS出版社，2002年·Zbl 1058.68048号
[18] Ohara，K.、Yoshida，T.、Geamsakul，W.、Motoda，H.、Washio，T.，Yokoi，H.，Takabayashi，K.，“基于决策树图的归纳法分析肝炎数据集”，《2004年发现挑战》（Berka，P.和Cremillieux，B.Eds.），ECML/PKDD’04，173–184，2004年。
[19] Murawaki Y.，Ikuta Y.，Koda M.，Kawasaki H.，“血清氨基转移酶水平持续正常的无症状HBV和HCV携带者之间的临床实验室肝脏测试比较”，《肝脏研究》21（1），第67-75页，2001年·doi:10.1016/S1386-6346（01）00076-6
[20] Sakai H.、Horinouchi H.、Masada Y.、Takeoka S.、Ikeda E.、Takaori M.、Kobayashi K.、Tsuchida E.，“血红蛋白-维生素（人工氧载体）的代谢及其对大鼠模型器官功能的影响”，《生物材料》25（18），第4317–4325页，2004年·doi:10.1016/j.生物材料.2003.11.005
[21] Yamada，Y.，Suzuki，E.，Yokoi，H.，Takabayashi，K.，“时间序列决策树的实验评估”，第二十届国际机器学习会议ICML'03，第840-847页，2003年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。