数据挖掘会议及方向

1 ACDM:

2010: .au/icdm10/index.php/topic-of-interest
2011: http://icdm2011.cs.ualberta.ca/topics-of-interest.php
2012: http://www.data-mining-forum.de/call_for_papers.php

2010 ICDM:
感兴趣的话题

1..数据挖掘的基础

新的数据挖掘算法在传统领域（如分类，回归，聚类，概率模型，模式发现，和关联分析）

模型和新算法，结构，数据类型，如发生在化学，生物，环境，和其他科学领域

开发数据挖掘统一理论

序列和序列数据挖掘

时空数据挖掘

挖掘文本和非结构化数据

分布式数据挖掘

数据挖掘算法实现的高性能

anonymity-preserving隐私和数据分析

2..在新兴领域

流数据挖掘

矿用移动对象数据，数据，和数据从传感器网络

泛在知识发现

数据挖掘和数据挖掘智能代理

挖掘和链接分析在网络设置：网络，社会和计算机网络，在线社区

挖掘语义网

数据挖掘在电子商务，如建议，发起网上搜索，广告，市场营销的任务

3..方法学方面和KDD过程

数据预处理，数据约简，特征选择，特征转换

质量评估，兴趣度分析，及后处理

统计基础的强大的和可扩展的数据挖掘

不平衡数据处理

挖掘过程的自动化和其他相关问题的过程

成本敏感的数据处理和损失模型

人机交互和数据挖掘可视化

数据仓库整合，联机分析处理和数据挖掘

数据挖掘查询语言

安全性和数据完整性



4..综合应用系统，和KDD，经验

生物信息学，计算化学，ecoinformatics

计算金融，网上交易，和市场分析

入侵检测，防止欺诈，和监视

医疗卫生，流行病模型，和临床研究

客户关系管理

电信，网络和系统管理

可持续性与智能交通系统






2011 ICDM
数据挖掘的基础

在传统领域新的数据挖掘算法（如分类、回归、聚类、概率模型、模式发现和关联分析）

模型和新算法、结构、数据类型，如发生在化学、生物、环境、和其他科学领域

开发数据挖掘的统一理论

序列和序列数据挖掘

时空数据的挖掘

文本和非结构化的挖掘

分布式数据挖掘

数据挖掘算法高性能实现

隐私和匿名保存数据分析

在新兴领域的挖掘

流数据挖掘

移动对象数据、射频识别数据、传感器网络上数据的挖掘

泛在知识发现

多智能体数据和基于代理数据的挖掘

在网络设置、网络、社会和计算机网络、在线社区的挖掘和链接分析

语义网的挖掘

在电子商务方面的数据挖掘，如建议、发起网上搜索、广告、市场营销的任务

方法学方面和KDD过程

数据预处理、数据约简、特征选择、特征转换

质量评估、兴趣

度分析、及后处理

强大的和可扩展的数据挖掘的统计基础

不平衡数据处理

挖掘过程和其他相关问题的过程的自动化

成本敏感数据和损失模型的处理

人机交互和可视化数据挖掘

数据仓库、联机分析处理和数据挖掘的整合

数据挖掘查询语言

安全性和数据完整性

综合KDD应用、系统和经验

生物信息学、计算化学、生态信息学

计算金融、网上交易、和市场分析

入侵检测、防止欺诈、和监视

医疗卫生、传染病模型和临床研究

客户关系管理

电信、网络和系统管理

可持续性与智能交通系统


2012 ICDM

数据挖掘技术的应用在下面这些领域

市场营销

医学

电子商务（挖掘日志文件）

生物技术

质量管理

多媒体数据（图像，视频，文本，信号）

web挖掘

网络入侵检测

农业

气象学

理论和应用为导向在以下这些方面

基于案例推理

聚类

分类与预测

统计学习

关联规则

电信

试验设计

实验策略

能力指数

偏差和新颖性检测

控制图

概念学习

友好的措施和评价（例如虚假的发现率）

包括决策树的确归纳学习和规则归纳学习

组织学习和演化学习

抽样方法

相似的措施和学习的相似性

统计学习与神经网络学习

可视化和数据挖掘

偏差和新颖性检测

特征分组，离散化，选择和变换

特征学习

频繁模式挖掘

学习和自适应控制

学习/适应的认识和看法

学习的手写体识别

在图像预处理及分割

金融或股票数据挖掘

采矿运动序列

子空间方法

支持向量机

时间序列和序列模式挖掘

有利条件

图挖掘

代理数据挖掘

软件测试中的应用

知识管理

社会媒体的挖掘

在线定位与控制

行为目标

气象数据挖掘

在物流领域的数据挖掘

在能源行业的数据挖掘

2 第十五届亚太知识发现与数据挖掘国际会议在深圳开幕


大会将针对海量数据、健康数据等研究提出该领域的新技术、新方法，新应用。本次大会将举办3场主题演讲 (Keynotes)，1场博士生论坛 (PhD Symposium)，5个工作坊 (Workshops) ，1场Amazon云计算专题讲座及6场学术讲座 (Tutorials)，研讨主题包括分类、聚类、社会网络分析、特征抽取、机器学习、模式挖掘、文本挖掘、图数据挖掘、时间序列分析、流数据挖掘等。会议还开辟了技术展区，邀请曙光、联想、华大基因、Amazon、MySQL等国内外企业展示新技术和新产品，促进亚太地区厂商、学者及用户的交流和沟通。

3 KDD:

2010: /kdd2010/cfp_research.shtml
知识发现与数

据挖掘（KDD 2010）国际会议 /home.php?mod=space&uid=57081&do=blog&id=269851


2010:

跟踪研究-论文征集:
感兴趣的领域包括,但不受限：

1 数据挖掘算法（监督，半监督和无人监督）

2 数据挖掘的基础和理论

3 降维，特征选择

4 动态和不断变化的数据挖掘

5 数据挖掘

6 挖掘结构化数据

7 时空数据挖掘

8 流数据挖掘

9 混合行动的数据挖掘和主动学习

10 异常的分析和异常检测

11 并行和分布式数据挖掘算法

12 模式挖掘和关联分析

13 强大和高度可扩展的数据挖掘算法

14 相似性搜索的数据挖掘

15 统计方法在数据挖掘

16 主题模型和矩阵方法在数据挖掘

17 转移学习和挖掘与辅助数据源

18 对抗性的数据挖掘算法

19 生物与医学数据挖掘

20 数据挖掘计算广告

21 数据挖掘在社会科学和社会网络

22 环境科学数据挖掘

23 挖掘用户行为和反馈数据

24 数据挖掘和文本数据

25 多媒体数据挖掘

26 数据挖掘其他新的应用

27 数据集成和索引的数据挖掘

28 数据可视化数据挖掘

29 KDD方法和过程

30 平台和系统为KDD

31 在数据挖掘的预处理和后处理

32 安全和隐私问题的数据挖掘

33 用户建模中的数据挖掘

34传感器数据挖掘


2011:
RESEARCH TRACK:
We invite submission of papers describing innovative research on all aspects of knowledge discovery and data mining. Examples of topic of interest include (but are not limited to): classification and regression methods, semi-supervised learning, clustering, feature selection, social networks, mining of graph data, temporal and spatial data analysis, scalability, privacy, visualization, text analysis, Web mining, recommender systems, and so on. Papers emphasizing theoretical foundations are particularly encouraged, as are novel modeling and algorithmic approaches to specific data mining problems in scientific, business, medical, and engineering applications. We welcome submissions by authors who are new to the KDD conference, as well as visionary papers on new and emerging topics. Authors are explicitly discouraged from submitting papers that contain only incremental results and that do not provide significant advances over existing approaches.
中文翻译：

跟踪研究：

我们邀请提交论文描述创新研究的所有方面的知识发现和数据挖掘。例子，感兴趣的话题，包括（但不限于）：分类和回归方法，半监督学习，聚类，特征选择，社会网络，挖掘图形数据，时间和空间数据分析，可扩展性，隐私，可视化，文本分析，挖掘，推荐系统，等等。论文强调理论基础，特别是鼓励，因为是新的模型和算法的方法，具体的数据挖掘问题在科学，商业，医疗，和工程应用。我们欢迎意

见作者谁是新来的KDD会议，以及富有远见的文件，新的和新出现的议题。作者明确劝阻提交文件只包含增量结果并没有提供显着的进展比现有的方法。

4 VLDB:
2010 : /cfp/servlet/event.showcfp?eventid=6568©ownerid=4135
2011 : /cfp/servlet/event.showcfp?eventid=11427

2010:

感兴趣的领域包括,但不受限:

主动数据库，

标杆管理，绩效评价，

并发控制，恢复和事务管理，

数据模型与语言，

数据库管理和管理，

数据库索引和搜索，

现代硬件数据库，

嵌入式移动数据库，

引擎的意见，复制，和缓存，

模糊，概率，和近似数据，

半结构化数据和本地，

并行，分布式，和网格数据库，

私人和安全的数据库，

查询处理与优化，

实时数据库，

可靠和强大的数据库，

科学数据库，

空间，时间与多媒体数据库，

流数据库。

2 基础设施，信息系统跟踪

内容交付网络，

数据设计，演化和迁移，

数据提取，

数据管理的计算机科学，

数据挖掘，

数据质量和语义学，

异构和联邦数据库管理系统（互操作性），

信息过滤和传播，

信息集成与检索，

元数据管理，

中间件平台数据管理，

移动数据管理，

小说/高级应用，

在线分析处理，

对等网络数据管理，

个人资料为基础的数据管理，

管理源，

科学数据库，

传感器网络，

用户界面和可视化，

网页复制和缓存，

网络服务和网络服务组合，

中间件平台，

社会系统及建议。


2011:

感兴趣的话题

pvldb欢迎原始研究论文，就广泛的议题有关的数据计算，尤其是在规模。下面列出的主题和议题的目的是作为一个样品的熟悉的主题和议题；我们鼓励和期望论文的主题以及许多其他数据中心。

系统的数据管理系统体系结构：数据；存储，复制和一致性；物理交涉；查询和数据流处理

可扩展的数据分析：复杂的查询和搜索；近似查询；可扩展的统计方法；管理的不确定性推理规模

管理非常大的数据系统：可用性；自适应与自校正；电源管理；虚拟化

数据中心的规划：面向服务的架构；陈述性语言；编程框架分析；语言接口数据库

性能评价实验方法：基准；规模；科学评价的复杂的数据系统

特定领域的数据管理的方法和系统科学，发展中地区，网络和移动性，普适计算，传感器，等

用户界面和社会数据：数据可视化；协同数据分析和管理；社会网络；电子邮件和信息分析

5 ICDT:
2010: /conferences2010/CfPICDT10.html

6 SIGMOD :
2011 : /cfp/servlet/event.sh

owcfp?eventid=11323

011:

感兴趣的话题

一般的领域包括，但不限于以下内容：

新的数据管理体系结构，分布式数据管理（例如，数据流管理，对等，复制，和云）

数据管理应用程序（例如，网络服务和技术，社会网络的科学数据库，传感器网络，决策和分析）

数据模型和语言（例如，结构化，概率，多媒体，时间，空间）

以数据为中心的工作流和过程管理

数据集成，元数据管理，数据质量，数据清洗

性能，可扩展性和可靠性信息系统

基准和实验方法

其他方面的现代信息系统，数据安全，数据隐私，个性化，用户界面，等等。

7 PODS
2011 : 30th ACM SIGMOD-SIGACT-SIGART Symposium on Principles of Database Systems
/cfp/servlet/event.showcfp?eventid=11342

8 SDM
2010: /sdm-workshop/sdm10.html#topics
2011: /cfp/servlet/event.showcfp?eventid=15803©ownerid=2