Data, engineering and applications. Vol.1

Contents......Page 5
About the Editors......Page 7
On Data Mining and Social Networking......Page 9
  1.1 Motivation and Problem Explanation......Page 10
 2 Literature Review......Page 11
 3 Recommender System Model......Page 12
  4.1 For Predict on User Ratings......Page 13
 5 Dimensions of Recommender System......Page 14
 References......Page 16
 1 Introduction......Page 18
  2.2 Challenges......Page 20
  3.1 Content-Based Filtering System......Page 21
  3.2 Collaborative Filtering......Page 22
 4 Experimental Set-up and Results......Page 23
  4.2 Working Process......Page 24
  5.1 RMSE......Page 25
  5.3 F-Measure......Page 26
 References......Page 27
 1 Introduction......Page 29
 2 Background......Page 30
  3.1 Reduction of Dataset......Page 32
  3.2 ELM for Rating Prediction......Page 33
  4.2 Evaluation Metrics......Page 34
  4.3 Empirical Results......Page 36
  4.4 Selection of Parameter β (Beta)......Page 37
 References......Page 38
 1 Introduction......Page 40
  2.1 System Overview......Page 41
  2.2 Methodology......Page 42
  3.1 Precision......Page 46
  3.3 F-measures......Page 47
  3.5 Memory Usage......Page 48
  4.1 Conclusion......Page 49
 References......Page 50
 1 Introduction......Page 52
 2 Literature Review......Page 53
 3 Implementation of Sentiment Analysis Using R Studio......Page 54
 4 Result Analysis......Page 58
 References......Page 59
 1 Introduction......Page 61
  1.1 Information Hiding......Page 62
  2.1 Survey on Reversible Data-Hiding Technique......Page 66
 3 Comparison and Discussion......Page 71
 References......Page 73
 1 Introduction......Page 75
  3.2 Methodology......Page 76
 4 Experimental Results and Discussions......Page 79
 5 Conclusion......Page 84
 References......Page 85
 1 Introduction......Page 87
  3.1 Overview......Page 88
  3.4 Positive Edges Sampling......Page 90
  3.7 Proximity Feature......Page 91
  3.10 Edges Classification......Page 92
  4.3 Adamic-Adar Index......Page 93
 6 KNN......Page 94
  6.2 Non-linear SVM......Page 95
 7 Experimental Results and Analysis......Page 96
 References......Page 97
 1 Introduction......Page 99
 2 Literature Review......Page 101
  3.2 Data Preprocessing......Page 102
  3.4 Classification Using Machine Learning Algorithms......Page 104
 4 Results and Discussion......Page 105
 References......Page 108
On Machine Learning......Page 110
 1 Introduction......Page 111
  2.1 Previously Proposed Model......Page 114
  2.3 Experiments......Page 115
  3.1 Privacy Factor......Page 117
  3.4 Presence of Outliers......Page 118
 References......Page 119
 1 Introduction......Page 120
 2 Background and Review of Related Works......Page 121
  2.1 Literature Review......Page 122
 3 The Proposed Methodology......Page 123
  3.1 Mapping of University Examination Timetable to PSO......Page 124
 4 Implementation and Results Obtained......Page 126
  4.1 Experimental Results......Page 127
  4.2 Results......Page 129
 References......Page 130
 1 Introduction......Page 132
 2 Literature Survey......Page 133
  2.1 The Big Five Model......Page 134
  3.1 Multi-label Naïve Bayes (MLNB) Algorithm......Page 135
  4.2 Comparative Analysis of Proposed Work with Existing Work......Page 136
 References......Page 137
 1 Introduction......Page 139
  2.1 Network Pruning......Page 140
  2.3 Parameter Sharing......Page 141
 3 Knowledge Distillation......Page 142
 4 Implementation Choices......Page 143
 5 Experimental Set-up and Evaluation......Page 144
 6 Conclusion......Page 146
 References......Page 147
 1 Introduction......Page 149
 2 Related Work......Page 150
  3.1 C4.5 Classification......Page 151
  3.2 Fuzzy Logic......Page 152
  3.3 Research Methodology......Page 153
 4 Results and Discussion......Page 155
 5 Conclusion......Page 156
 References......Page 157
 1 Introduction......Page 158
 2 Review of Literature......Page 159
 3 Proposed Work......Page 160
  3.1 Preprocessing......Page 161
  3.2 Feature Extraction Techniques......Page 162
 4 Experimental Analysis......Page 163
  4.2 Classification Rate for Partially Occluded Face Images......Page 165
 5 Conclusion......Page 166
 References......Page 167
 1 Introduction......Page 169
 3 The Proposed Method......Page 170
 4 Evaluation Result......Page 175
 5 Conclusion and Future Work......Page 177
 References......Page 178
 1 Introduction......Page 179
 2 Literature Review......Page 181
 3 System Modeling and Design......Page 182
 4 Discussions and Recommendations......Page 187
 References......Page 188