DMiC团队博士生俞奎学术论文被ACM SIGKDD 2012录用
近日，在吴信东教授和美国UMASS Boston 的丁薇教授和Dan A. Simovici教授共同指导下，由博士生俞奎完成的以合肥工业大学作为第一单位的学术论文“Mining Emerging Patterns by Streaming Feature Selection”，被数据挖掘领域顶级会议 the 18th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD'12) 正式录用。
这篇论文给出一种新颖的方法解决了高维特征，甚至整个特征空间预先未知情况下的Emerging Patterns的挖掘问题。论文中第一次从理论上分析了feature relevance和pattern discriminability 之间关系，基于这个理论结果，文中首次的把streaming feature selection 的概念引入到模式挖掘中，给出了一种新颖、在线的流式模式挖掘方法。在36个数据集上的实验结果验证了文中算法能够有效、快速的处理高维特征，甚至整个特征空间预先未知情况下的Emerging Patterns的模式挖掘问题。
ACM SIGKDD是知识发现和数据挖掘领域的顶级国际会议，每年举行一次，为与会的学术界、工业界知识发现和数据挖掘研究人员提供机会探讨研究设想、研究成果、研究经验。KDD 2012将于2012年8月12日至16日在北京举行，这也是KDD首次在亚太地区举办。
这篇论文给出一种新颖的方法解决了高维特征，甚至整个特征空间预先未知情况下的Emerging Patterns的挖掘问题。论文中第一次从理论上分析了feature relevance和pattern discriminability 之间关系，基于这个理论结果，文中首次的把streaming feature selection 的概念引入到模式挖掘中，给出了一种新颖、在线的流式模式挖掘方法。在36个数据集上的实验结果验证了文中算法能够有效、快速的处理高维特征，甚至整个特征空间预先未知情况下的Emerging Patterns的模式挖掘问题。
ACM SIGKDD是知识发现和数据挖掘领域的顶级国际会议，每年举行一次，为与会的学术界、工业界知识发现和数据挖掘研究人员提供机会探讨研究设想、研究成果、研究经验。KDD 2012将于2012年8月12日至16日在北京举行，这也是KDD首次在亚太地区举办。