KIT | KIT-Bibliothek | Impressum | Datenschutz

Non-parametric Methods for Correlation Analysis in Multivariate Data with Applications in Data Mining

Nguyen, Hoang Vu

Abstract:

In this thesis, we develop novel methods for correlation analysis in multivariate data, with a special focus on mining correlated subspaces. Our methods handle major open challenges arisen when combining correlation analysis with subspace mining. Besides traditional correlation analysis, we explore interaction-preserving discretization of multivariate data and causality analysis. We conduct experiments on a variety of real-world data sets. The results validate the benefits of our methods.


Volltext §
DOI: 10.5445/IR/1000049548
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Programmstrukturen und Datenorganisation (IPD)
Publikationstyp Hochschulschrift
Publikationsjahr 2015
Sprache Englisch
Identifikator urn:nbn:de:swb:90-495484
KITopen-ID: 1000049548
Verlag Karlsruher Institut für Technologie (KIT)
Art der Arbeit Dissertation
Fakultät Fakultät für Informatik (INFORMATIK)
Institut Institut für Programmstrukturen und Datenorganisation (IPD)
Prüfungsdaten 06.02.2015
Schlagwörter Non-parametric, Correlation Analysis, Multivariate Data, Data Mining
Referent/Betreuer Böhm, K.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page