|
|
- Langages d'expression pour la fouille de motifs contraints, algorithmes
génériques pour l'extraction de bi-ensembles et motifs sous
contraintes
- Fouille de motifs dans des données bruitées à partir d'automates
probabilistes ou d'extensions des concepts formels
- Des motifs locaux à des motifs globaux
- Utilisation de la connaissance du domaine contenue dans les ressources
textuelles pour optimiser la fouille de motifs
- Scénarios pour la découverte de connaissances dans les données
d'expression de gènes et les données génomiques
Site web:
SQUAT (Sage Querying
and Analysis Tools)
Prototypes :
- Acsm (Automata-based Constrained Sequence Mining) : extraction de motifs
séquentiels à l'aide d'automates finis probabilistes
- CDK-Means : co-classification sous contraintes à partir de motifs locaux
- ClaRminer (Class Rules miner) : couverture de règles de classe
optimisant un ensemble de mesures d'intérêts
- D-Miner :
calcul de concepts formels sous contraintes
- DR-Miner : calcul de bi-ensembles denses et pertinents
- FTminer (Free faT miner) : extraction des motifs delta-libres dans les
larges jeux de données
- FTCminer (Free faT Characterization miner) : règles de caractérisation
delta-fortes dans les larges jeux de données
- Marguerite : calcul de motifs séquentiels (sous-chaînes) dans des bases
de chaînes
- Music-dfs (Mining with a User-SpecifIed Constraint, Depth-First Search
approach) : extraction de motifs sous contraintes définis de façon
flexible, y compris dans les larges jeux de données
- TrafficMiner : extraction de motifs séquentiels fréquents et pertinents
statistiquement sans disposer de données séquentielles afin de préserver la
confidentialité des données personnelles
|
