Luận án tiến sĩ Toán học: Nghiên cứu phát triển mô hình, thuật toán khai phá tập phần tử có trọng số và lợi ích cao

ski   E.,   and   Navathe   S.B.   (1995).   An   Efficient 
Algorithm   for   Mining   Association   Rules   in   Large   Databases. 
Proceedings of the 21th International Conference on Very Large Data  
Bases, San Francisco, CA, USA, Morgan Kaufmann Publishers Inc., 432–
444.
52. Shankar S., Babu N., Purusothaman T. et al. (2009). A Fast Algorithm for 
Mining   High   Utility   Itemsets.  2009   IEEE   International   Advance  
Computing Conference, 1459–1464.
53. Shenoy   P.,   Haritsa   J.R.,   Sudarshan   S.   et   al.   (2000).   Turbo­charging 
Vertical   Mining   of   Large   Databases.  Proceedings   of   the   2000   ACM  
SIGMOD International Conference on Management of Data, New York, 
NY, USA, ACM, 22–33.
54. Solanki S.K. and Patel J.T. (2015). A Survey on Association Rule Mining. 
2015   Fifth   International   Conference   on   Advanced   Computing  
Communication Technologies, 212–216.
55. Song   W.,   Liu   Y.,   and   Li   J.   (2012).   Vertical   mining   for   high   utility 
itemsets.  2012 IEEE International Conference on Granular Computing, 
429–434.
56. Subramanian K., Kandhasamy P., and Subramanian S. (2013). A Novel 
Approach to Extract High Utility Itemsets from Distributed Databases. 
Comput Inform, 31(6+), 1597–1615.

155


57. Sucahyo Y.G. and Gopalan  R.P. (2004). CT­PRO: A  Bottom­Up Non 
Recursive   Frequent   Itemset   Mining   Algorithm   Using   Compressed   FP­
Tree Data Structure. FIMI, 212–223.
58. Tao   F.,   Murtagh   F.,   and   Farid   M.   (2003).   Weighted   Association   Rule 
Mining   Using   Weighted   Support   and   Significance   Framework. 
Proceedings   of   the   Ninth   ACM   SIGKDD   International   Conference   on  

Knowledge   Discovery   and   Data   Mining,   New   York,   NY,   USA,   ACM, 
661–666.
59. Teodoro G., Mariano N., Jr W.M. et al. (2010). Tree Projection­Based 
Frequent   Itemset   Mining   on   Multicore   CPUs   and   GPUs.  2010   22nd  
International   Symposium   on   Computer   Architecture   and   High  
Performance Computing, 47–54.
60. Tseng V.S., Shie B.­E., Wu C.­W. et al. (2013). Efficient Algorithms for 
Mining High Utility Itemsets from Transactional Databases. IEEE Trans  
Knowl Data Eng, 25(8), 1772–1786.
61. Tseng   V.S.,   Wu   C.W.,   Fournier­Viger   P.   et   al.   (2016).   Efficient 
Algorithms for Mining Top­K High Utility Itemsets. IEEE Trans Knowl  
Data Eng, 28(1), 54–67.
62. Tseng V.S., Wu C.­W., Shie B.­E. et al. (2010). UP­Growth: An Efficient 
Algorithm for High Utility Itemset Mining. Proceedings of the 16th ACM  
SIGKDD International Conference on Knowledge Discovery and Data  
Mining, New York, NY, USA, ACM, 253–262.
63. Veloso   A.,   Otey   M.E.,   Parthasarathy   S.   et   al.   (2003).   Parallel   and 
Distributed   Frequent   Itemset   Mining   on   Dynamic   Datasets.  High 
Performance Computing ­ HiPC 2003, Springer, Berlin, Heidelberg, 184–
193.
64. Vo B., Coenen F., and Le B. (2013). A New Method for Mining Frequent 
Weighted Itemsets Based on WIT­trees.  Expert Syst Appl,  40(4), 1256–
1264.
65. Vo B., Nguyen H., Ho T.B. et al. (2009). Parallel Method for Mining 
High Utility Itemsets from Vertically Partitioned Distributed Databases. 
Proceedings of the 13th International Conference on Knowledge­Based  
156


and   Intelligent   Information   and   Engineering   Systems:   Part   I,   Berlin, 

Heidelberg, Springer­Verlag, 251–260.
66. Wang W., Yang J., and Yu P. (2004). WAR: Weighted Association Rules 
for Item Intensities. Knowl Inf Syst, 6(2), 203–229.
67. Xun   Y.,   Zhang   J.,   and   Qin   X.   (2016).   FiDoop:   Parallel   Mining   of 
Frequent Itemsets Using MapReduce. IEEE Trans Syst Man Cybern Syst, 
46(3), 313–325.
68. Ye   Y.   and   Chiang   C.­C.   (2006).   A   Parallel   Apriori   Algorithm   for 
Frequent Itemsets Mining. Fourth International Conference on Software  
Engineering Research, Management and Applications (SERA’06), 87–94.
69. Yin J., Zheng Z., Cao L. et al. (2013). Efficiently Mining Top­K High 
Utility Sequential Patterns. 2013 IEEE 13th International Conference on  
Data Mining, 1259–1264.
70. Yoshikawa   M.   and   Terai   H.   (2006).   Apriori,   Association   Rules,   Data 
Mining,Frequent   Itemsets   Mining   (FIM),   Parallel   Computing.  Fourth  
International   Conference   on   Software   Engineering   Research,  
Management and Applications (SERA’06), 95–100.
71. Yu K.M. and Wu S.H. (2011). An Efficient Load Balancing Multi­core 
Frequent   Patterns   Mining   Algorithm.  2011IEEE   10th   International  
Conference   on   Trust,   Security   and   Privacy   in   Computing   and  
Communications, 1408–1412.
72. Yun U. and Leggett J. (2005). WFIM: Weighted Frequent Itemset Mining 
with a weight range and a minimum weight.  Proceedings of the 2005  
SIAM International Conference on Data Mining. Society for Industrial 
and Applied Mathematics, 636–640.
73. Yun   U.   and   Ryu   K.H.   (2011).   Approximate   weighted   frequent   pattern 
mining with/without noisy environments.  Knowl­Based Syst,  24(1), 73–
82.
74. Zaki   M.J.   (2000).   Scalable   Algorithms   for   Association   Mining.  IEEE 
Trans Knowl Data Eng, 12(3), 372–390.
75. Zaki M.J. and Gouda K. (2003). Fast Vertical Mining Using Diffsets. 

Proceedings of the Ninth ACM SIGKDD International Conference on  
157


Knowledge Discovery and Data Mining, New York, NY, USA, ACM, 
326–335.
76. Zhang Z., Ji G., and Tang M. (2013). MREclat: An Algorithm for Parallel 
Mining Frequent Itemsets.  2013 International Conference on Advanced  
Cloud and Big Data, 177–180.
77. Zida   S.,   Fournier­Viger   P.,   Lin   J.C.­W.   et   al.   (2015).   EFIM:   a   highly 
efficient algorithm for high­utility itemset mining. Mexican International  
Conference on Artificial Intelligence, Springer, 530–546.
78. Zong­Yu Z. and Ya­Ping Z. (2012). A Parallel Algorithm of  Frequent 
Itemsets Mining Based on Bit Matrix. 2012 International Conference on  
Industrial Control and Electronics Engineering, 1210–1213.
79. SPMF: A Java Open­Source Data Mining Library. fournier­viger.com/spmf/index.php?link=algorithms.php>, accessed: 
04/26/2017.

158