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.

Open Access Logo


Volltext §
DOI: 10.5445/IR/1000049548
Seitenaufrufe: 69
seit 06.05.2018
Downloads: 524
seit 16.09.2015
Zugehörige Institution(en) am KIT Institut für Programmstrukturen und Datenorganisation (IPD)
Publikationstyp Hochschulschrift
Jahr 2015
Sprache Englisch
Identifikator urn:nbn:de:swb:90-495484
KITopen-ID: 1000049548
Verlag KIT, Karlsruhe
Abschlussart Dissertation
Fakultät Fakultät für Informatik (INFORMATIK)
Institut Institut für Programmstrukturen und Datenorganisation (IPD)
Prüfungsdaten 06.02.2015
Referent/Betreuer Prof. K. Böhm
Schlagworte Non-parametric, Correlation Analysis, Multivariate Data, Data Mining
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page