Βιογραφικό

tealackingΤεχνίτη Νοημοσύνη και Ρομποτική

8 Νοε 2013 (πριν από 3 χρόνια και 10 μήνες)

198 εμφανίσεις

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ











Ατομικά Στοιχεία
:

Ονοματεπώνυμο
:

...........

Βουτσινάς Βασίλειος

Διεύθυνση Εργ
.:

............

Παν
.
Πατρών
,
Τμ
.
Διοικ
.
Επιχειρήσεων
,

................................
........

26500,
Ρίο
ν
,
Πάτρα

Διεύθυνση Οικ
.:

.............

Αραχωβίτικα, Ελευθερίας Πάροδος Β’ 4,

26
-
504
,
Ρίον

Τηλέφωνο
:
......................

6
9
36
-
534886

Ηλεκτρ
.

Δ
/
νση
:
...............

vutsinas@bma.upatras.gr

Οικογ. Κατ/ση:

...............

Έγγαμος

με δύο παιδιά

Ημ
/
νία Γέννησης
:

..........

11
Ιουλίου
1963

Τόπος Γέννησης
:

...........

Ληξούριον Κεφαλληνίας


Σπουδές
:



Μηχανικός Η
/
Υ
&
Πληροφορικής
,

(
Πολυτεχνική Σχολή Πανεπισ
τημίου Πατρών
).



Τεχνολόγος Μηχανικός Ηλεκτρονικός
,

(
Τ
.
Ε
.
Ι
.
Πειραιά
).



Παιδαγωγός
,

(
Παιδαγωγική Ακαδημία Λαμίας
).



Διδάκτωρ του Τμήματος Μηχανικών Η
/
Υ
&
Πληροφορικής
,


(
Πολυτεχνική Σχολή Πανεπιστημίου Πατρών
).


Ξένες Γλώσσες
:



Αγγλικά
:

δίπλωμα

επιπέδου

Prof
iciency,
του

London Central College.



Διδακτική εμπειρία

Τριτοβάθμια Εκπαίδευση
:



Αναπληρωτής Καθηγητής στο Τμήμα Διοίκησης Επιχειρήσεων του
Πανεπιστημίου Πατρών με γνωστικό αντικείμενο «Πληροφοριακά Συστήματα
Διοίκησης». (ΦΕΚ 825/09
-
09
-
2008)



Επίκουρος Καθ
ηγητής στο Τμήμα Διοίκησης Επιχειρήσεων του Πανεπιστημίου
Πατρών με γνωστικό αντικείμενο «Πληροφοριακά Συστήματα Διοίκησης».

(ΦΕΚ
94/10
-
05
-
2001)



Τετραετής διδακτική εμπειρία ως διδάσκων του Π.Δ. 407/1980, στο Παν/μιο
Πατρών.



Δεκατετραετής

διδακτική εμπειρ
ία στο Τ.Ε.Ι. Πάτρας
, (
Τμήμα Επιχειρηματικού
Σχεδιασμού & Πληροφοριακών Συστημάτων, Τμήμα Λογιστικής, Τμήμα
Νοσηλευτικής)
.



Εξα
ετής διδακτική εμπειρία στην δευτεροβάθμια εκπαίδευση.



Ε
ννεα
ε
τής διδακτική εμπειρία στο Διατμηματικό Μεταπτυχιακό Πρόγραμμα
“Μαθημ
ατικά των Υπολογιστών και των Αποφάσεων” του

Παν/μίου Πατρών, στα
μαθήματα «Τεχνητή Νοημοσύνη»,

«Έμπειρα Συστήματα»

και «Ανεύρεση Γνώσης
από Βάσεις Δεδομένων»
.



Μονοετής διδακτική εμπειρία στο Μεταπτυχιακό Πρόγραμμα “Νέες Αρχές
Διοίκησης Επιχειρήσεων


(ΜΒΑ)

του Τμήματος Διοίκησης Επιχειρήσεων του

2

Παν/μίου Πατρών, στα μαθήματα «Πληροφοριακά Συστήματα Διοίκησης» και
«Ολοκληρωμένα Πληροφοριακά Συστήματα».



Επίβλεψη εκπόνησης 8 διπλωματικών εργασιών

στο
Τμήμα Μηχ. Η/Υ & Πληρ.

και

5

πτυχιακών σ
το Τμήμα Διοίκησης Ε
πιχειρήσεων.



Επίβλεψη εκπ
όνησης
12

μεταπτυχιακ
ών

διατριβ
ών

(
master

thesis
)
στο
Διατμηματικό Μεταπτυχιακό Πρόγραμμα “Μαθηματικά των Υπολογιστών και
των Αποφάσεων”.



Επίβλεψη εκπόνησης

7

διδακτορικών διατριβών στο Τμήμα Διοίκησης
Επιχειρήσεων σε εξέλιξη
.



Μ
έλ
ος
Τριμελούς Επιτροπής
σε 2 περαιωθείσες

διδακτορικ
ές

διατριβ
ές

(κ. Π.
Μητρόπουλος
, κ. Ν. Μαστρογιάννης
) στο Τμ. Διοίκησης Επιχειρήσεων, μέλος
Επταμελούς Επιτροπής σε
4

περαιωθείσες διδακτορικές διατριβές στο
Μαθηματικό Τμήμα
(κ. Σ.
Κωτσιαντής
)
και στο Τμ.

Διοίκ. Επιχειρ.

(κ. Σ. Ζούντα,
κ. Α.
-
Μ. Φωτεινόπουλος, κ. Κ.
Παπαδάτος
)


Εισηγητής σε εκπαιδευτικά σεμινάρια:

Εισηγητής σε εκπαιδευτικά σεμινάρια
(
περισσότερες από
400
ώρες
)
σε διάφορα
θέματα
:
με θέμα
"Management Information Systems"
για Νομαρχιακά στελέχ
η της
Δυτικής Ελλάδας
[
ΕΛ
.
ΚΕ
.
ΠΑ
.],
με θέμα
"
Νοσοκομειακά Πληροφοριακά
Συστήματα
"
για την επιμόρφωση στελεχών Νοσοκομείων
(
Τζάννειο
,
Παίδων
)
[
ΕΛ
.
ΚΕ
.
ΠΑ
.],
με γενικά θέματα πληροφορικής για την επιμόρφωση καθηγητών
Πληροφορικής Μέσης Εκπαίδευσης
[
Ι
.
Τ
.
Υ
.],
υπα
λλήλων του Ο
.
Α
.
Ε
.
Δ
.
και
υπαλλήλων του Λιμενικού Ταμείου Πατρών
[
ΕΛ
.
ΚΕ
.
ΠΑ
.],
με θέματα εφαρμογών
Internet
για την επιμόρφωση ατόμων με ειδικές ανάγκες
(KEK Oικονομικού
Παν
/
μίου Αθηνών
),
με θέμα Βάσεις Δεδομένων για άνεργους πτυχιούχους ΑΕΙ
(
ΚΕΚ
01
-
Πληροφορι
κή
).



Ερευνητική εμπειρία στην ανάπτυξη συστημάτων πληροφορικής

Υπεύθυνος υλοποίησης



Πληροφοριακό Σύστημα Ελέγχου, σε πραγματικό χρόνο, Διαγνωστικού
Μηχανήματος (χρηματοδότηση από ΒΙΟΛΑΝ ΑΕ) [1993
-
1994].



Ανάπτυξη
,
στο εξειδικευμένο υπολογιστικό σύστημα
Ne
XT,
εφαρμογών για
Μουσική Σύνθεση
(
χρηματοδότηση ΚΣΥΜΕ
) [1991].



Σύστημα Ηλεκτρονικής Επεξεργασίας Δεδομένων (
EDP

system
) για την
καταγραφή των πηγών της Αρχαίας Ελληνικής Μουσικής (χρηματοδότηση
ΚΣΥΜΕ) [1991].

Τεχνι
κός Υπεύθυνος



Ερευνητικό πρόγραμμα
HERMES

(Παν/μιο Πατρών &
Panavox

S
.
A
) για την
ανάπτυξη Επιχειρηματικού Λογισμικού [1997, Προϋπ. 6 εκ. Δρχ]. Το
Επιχειρηματικό Λογισμικό είναι το πλέον σύγχρονο λογισμικό στον τομέα της
υποστήριξης της χάραξης βραχυπρόθεσμης και μακροπρόθεσμης στρατηγικής και
οικ
ονομικής πολιτικής μίας επιχείρησης
.
Χρησιμοποιεί τα εμπορικά και
οικονομικά δεδομένα που είναι ήδη καταχωρημένα στο μηχανογραφικό σύστημα
της εταιρείας και αφού τα μετασχηματίσει σε νέες μορφές
(
Αρχιτεκτονήματα
Δεδομένων
[Data Warehouses],
Πολυδιάστατες
Βάσεις Δεδομένων
[Multidimensional Databases],
κ
.
λ
.
π
.)
εφαρμόζει σύγχρονες τεχνικές ανάλυσης

3

δεδομένων όπως η
On Line Analytical Processing, Trend Analysis, Financial
Analysis
κ
.
λ
.
π
.



Ερευνητικό πρόγραμμα ΔΙΟΓΕΝΗΣ (Παν/μιο Πατρών &
Panavox

S
.
A
) για την
ανάπ
τυξη εφαρμογών Εξόρυξης Δεδομένων (
Data

Mining
) [1998, Προϋπ. 4 εκ.
Δρχ].
H
Εξόρυξη Δεδομένων είναι μία από τις περιοχές της Τεχνητής Νοημοσύνης
με ευρεία εφαρμογή στο Επιχειρηματικό Λογισμικό
.
Αφορά στην αυτόματη
εύρεση κανόνων και συσχετίσεων που διέπουν

ένα σύνολο δεδομένων
,
συνήθως
μία Βάση Δεδομένων και έχει άμεση εφαρμογή στα Συστήματα Υποστήριξης
Αποφάσεων
.



Ερευνητικό πρόγραμμα για την μηχανοργάνωση των υπηρεσιών της Ελληνικής
Ποδοσφαιρικής Ομοσπονδίας, με χρήση λογισμικού «ροής εργασιών» (
workflow

s
ystems
) [1998
-
99, Προϋπ. 300 εκ. Δρχ (53 εκ. Δρχ στο Παν. Πατρών)].



Ερευνητικό πρόγραμμα ΔΙΟΓΕΝΗΣ
-
ΕΠΕΤΙΙ για την ανάπτυξη εφαρμογών
Ιεραρχικά Κατανεμημένης Εξόρυξης Λειτουργικών Επιχειρηματικών Δεδομένων
[1999
-
01, Προϋπ. 200 εκ. Δρχ (60 εκ. Δρχ στο Παν. Π
ατρών)].



Μελέτη
:

«Πολυδιάστατη συγκριτική και συνδυαστική παρουσίαση δεικτών για
την μέτρηση του περιβάλλοντος των επιχειρήσεων»
, που αφορά στην ανάπτυξη
εφαρμογών
OLAP

και
Balanced

Scorecard

[
2003,
Υπουργείο Ανάπτυξης,
Προϋπ.
34220€]

Επιστημονικός Υπεύθυ
νος Έργου



Ερευνητικό πρόγραμμα «ΚΑΤΑΡΤΙΣΗ ΣΤΕΛΕΧΩΝ ΤΗΣ PANAFON
-
VODAFONE ΣΤΙΣ ‘ΝΕΕΣ ΑΡΧΕΣ ΔΙΟΙΚΗΣΗΣ ΣΤΗΝ ΑΛΛΑΓΗ ΚΑΙ ΣΤΗΝ
ΚΑΙΝΟΤΟΜΙΑ» [2002, Προϋπ. 10 εκ. Δρχ ].



Ερευνητικό πρόγραμμα «ΑΝΑΠΤΥΞΗ ΣΥΣΤΗΜΑΤΟΣ ΓΙΑ ΤΗΝ
ΑΥΤΟΜΑΤΗ ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ ΤΩΝ ΥΠΟΨΗΦΙΩΝ ΣΥΜΦΩ
ΝΑ ΜΕ ΤΙΣ
ΔΙΑΤΑΞΕΙΣ ΤΟΥ Ν. 2190/1994» με χρηματοδότηση από Οργανισμό Πληρωμών
και Ελέγχου Κοινοτικών Ενισχύσεων [2002, Προϋπ. 7300 ΕΥΡΩ].



(
Αναπληρωτής Επιστημονικός Υπεύθυνος Έργου) Ερευνητικό πρόγραμμα
«ΜΕΛΕΤΗ ΓΙΑ ΤΙΣ ΑΝΑΠΤΥΞΙΑΚΕΣ ΔΥΝΑΤΟΤΗΤΕΣ ΚΑΙ ΤΗΝ
ΑΠΑ
ΣΧΟΛΗΣΗ ΣΤΗΝ ΑΧΑΪΑ» με χρηματοδότηση από Παρατηρητήριο
Απασχόλησης Ερευνητική Πληροφορική Α.Ε. [2003, Προϋπ. 22440 ΕΥΡΩ].



Πρόγραμμα ΠΡΑΞΕ Φάση Α’,

Τίτλος υποέργου: «Ολοκληρωμένο Σύστημα
Εξόρυξης Δεδομένων (
Data

Mining
)
», με χρηματοδότηση από ΥΠΑΝ
-
ΓΓΕΤ
[20
04, Προϋπ. 29300 ΕΥΡΩ].



Πρόγραμμα «Κέντρο Πιστοποίησης Τμήματος Διοίκησης Επιχειρήσεων» με
χρηματοδότηση από ΥΠΕΠΘ για την πιστοποίηση των εκπαιδευτικών Α/θμιας και
Β/θμιας εκπαίδευσης στην πληροφορική [2004, Προϋπ. ανοικτός].



Πρόγραμμα Ενίσχυσης Ερευνητ
ικού Δυναμικού


ΠΕΝΕΔ 2003, Τίτλος
υποέργου: «Τεχνητή Νοημοσύνη και Μουσική: Δημιουργία ευφυούς συστήματος
για αυτόματη σύνθεση μουσικού έργου», με χρηματοδότηση από ΥΠΑΝ
-
ΓΓΕΤ
[2005, Προϋπ. 43000 ΕΥΡΩ, Δημ. Δαπ. 38700 ΕΥΡΩ].



Πρόγραμμα


Πρακτικ
ή Ά
σκηση Παν
επιστημ
ί
ου Πατρ
ών


Τμήμα Διοίκησης
Επιχειρή
σεων
”,
με χρηματοδότηση από ΥΠΑΝ [200
9
-
2012
, Προϋπ. 13514
6

ΕΥΡΩ].



Ερευνητικά ενδιαφέροντα:


4



Ιδιαίτερο ερευνητικό ενδιαφέρον για την αναπτυσσόμενη και πολλά
υποσχόμενη περιοχή της Παράλληλης Τεχνητής Νοημοσύνης,
σε εισαγωγικό
βιβλίο της οποίας, έχει συμπεριληφθεί εργασία μου. Στα πλαίσια της ερευνητικής
μου εργασίας στην περιοχή αυτή έγινε χρήση της σύγχρονης παράλληλης μηχανής
(
με
512
μικροεπεξεργαστές
-
transputers)
του εργαστηρίου ‘
HPCL’.



Ιδιαίτερο, επίσης, ερευν
ητικό ενδιαφέρον για την περιοχή του Επιχειρηματικού
Λογισμικού (
Business

Process

Reengineering
,
Data

Warehousing
,
OLAP
,
Data

Mining
).



Εφαρμογή της ερευνητικής μου εργασίας
έγινε
:

1.

στην εισαγωγή της Πληροφορικής στην εκπαιδευτική διαδικασία
(
ανάπτυξη
περιβά
λλοντος που απευθύνεται σε λειτουργούς Πρωτοβάθμιας Εκπαίδευσης και
τους παρέχει την δυνατότητα προγραμματισμού εκπαιδευτικών προγραμμάτων
χωρίς την χρήση γλώσσας προγραμματισμού
).

2.

στην Επιχειρηματική Νοημοσύνη και στα Συστήματα Υποστήριξης
Αποφάσεων (ανά
πτυξη μεθόδων
data

mining
,
trend

analysis
,
financial

analysis
)



Επαγγελματική εμπειρία



Πολύχρονη επαγγελματική εμπειρία στην ανάλυση
,
σχεδιασμό και υλοποίηση
ποικίλων Πληροφοριακών Συστημάτων
,
μικρής ή μεγάλης κλίμακας
,
όπως
:
μηχανοργάνωση μικροβιολογικού

εργαστηρίου της ΒΙΟΛΑΝ ΑΕ
[1990],
ΚΣΥΜΕ
(
Κέντρο Σύγχρονης Μουσικής Έρευνας
) [1991],
τμήματος των υπηρεσιών του
στρατιωτικού εργοστασίου ΜΜ
/
ΕΕ Αράξου
(
στα πλαίσια της στρατιωτικής μου
θητείας
) [1992],
Τμήματος Εκμετάλλευσης του Λιμενικού Ταμείου Πατρών
[19
94
-
2002],
τμήματος των υπηρεσιών της Περιφερειακής Διοίκησης Αχαίας
[1996],
τμήματος των υπηρεσιών της Οικονομικής Υπηρεσίας Νομαρχιακής
Αυτοδιοίκησης Αχαίας
[1995
-
1998],
τμήματος των υπηρεσιών της Υπηρεσίας
Εντελλόμενων Εξόδων Ν
.
Αχαίας
[1997].



Απασχόληση

στο Μηχανογραφικό Κέντρο του Υπουργείου Γεωργίας
[1985]
και στον Ο
.
Τ
.
Ε
. [1986].



Οργάνωση εκπαιδευτικών προγραμμάτων για την επιμόρφωση των υπαλλήλων
του Λιμενικού Ταμείου Πατρών
[1994]
και στελεχών Νοσοκομείων
[1995].



Εμπειρία ως Σύμβουλος
:



Σύμβουλος
του Δήμου Πατρέων για θέματα Πληροφορικής
. [1994
-
1995]



Σύμβουλος του Λιμενικού Ταμείου Πατρέων για θέματα Πληροφορικής
. [1994
-
1996]



Eμπειρία
σε Υπολογιστικά Περιβάλλοντα
:



Λειτουργικά Συστήματα
:

UNIX, VMS, DOS
-
WINDOWS
σε επίπεδο χρήστη
και σε επίπεδο προγ
ραμματισμού
.



Γλώσσες Προγραμματισμού
:

BASIC, FORTRAN, PASCAL, C, C++, LISP,
PROLOG, OBJECTIVE C (NeXT), SMALLTALK, VISUAL BASIC.



Συστήματα Διαχείρισης Βάσεων Δεδομένων:

dBase
,
CLIPPER
,
OMNIS
,
RDB
,
ORACLE
,
INGRES
.


5



Υπολογιστικά Συστήματα
:

PC, Apple
-
Macintosh
, SUN, DEC.



Εφαρμογές
:

MICROSOFT WORD
-
EXCEL
-
POWERPOINT
-
ACCESS
-
PROJECT, HTML



Επιχειρηματικό

Λογισμικό
:

Data Warehousing Systems (Oracle Express
Server), OLAP Tools (Oracle Sales & Financial Analyzer, Oracle Express
Analyzer & Objects, MicroStrategy DSS Age
nt & Executive
, Microsoft Data
Analyzer
),
Workflow Systems (Ultimus, JetForm), Simulation (Extend),
ERP
/CRM (Oracle
,
Microsoft Navision
), Balanced Scorecard (Oracle Balanced
Scorecard)
, Activity Based Costing (ARIS)
.


Άλλες Δραστηριότητες



Δ/ντής του Εργαστ
ηρίου «Πληροφοριακών Συστημάτων Διοίκησης &
Επιχειρηματικής Νοημοσύνης», του Τμήματος Διοίκησης Επιχειρήσεων του
Πανεπιστημίου Πατρών.



Μέλος

της

AAAI (American Association for Artificial Intelligence).



Κριτής σ
ε διάφορα διεθνή επιστημονικά
συνέδρια

και περ
ιοδικά.



Μέλος

της

Επιτροπής

Προγράμματος
:

1.
του

IEEE

International

Conference

on

Tools

with

Artificial

Intelligence

1999,
2000
, 2002

και

2007.

2.
του

3
ου
,

5
ου

και

6
ου

Πανελληνίο
υ

Συνεδρίο
υ

Τεχνητής

Νοημοσύνης
, 2003
, 2008
,
2010
.

3
.
του Athens Tourism Sympo
sium 2010
, 2011
.



Μέλος του προεδρείου (
vice

chair
) ειδικού τμήματος του 15
ου

και 16
ου

διεθνούς
συνεδρίου
FLAIRS

2002 και
FLAIRS

2003.



Ιδρυτικό μέλος, (μέλος της πρώτης τριμελούς Συντονιστικής Επιτροπής), του
Κέντρου Έρευνας Τεχνητής Νοημοσύνης Παν/μίου Πα
τρών.



Μέλος επταμελούς Ομάδας Σύνταξης Αναλυτικού Προγράμματος για την
εισαγωγή των Νέων Τεχνολογιών και της Πληροφορικής στην Πρωτοβάθμια
Εκπαίδευση
, (
στο Παιδαγωγικό Ινστιτούτο του Υπουργείου Παιδείας
).



Μέλος επιτροπών αξιολόγησης έργων πληροφορικής στην

«Κοινωνία της
Πληροφορίας ΑΕ» (έργα: «
Μελέτη για την καθιέρωση και εφαρμογή
ηλεκτρονικών υπηρεσιών μέσω ICIS
»,

«Πληροφοριακό Σύστημα
Διαστασιομέτρησης Ανθρώπινου Δυναμικού»
,
«
Υπερ
-
υπολογιστικό Σύστημα
Ανάλυσης Μετεωρολογικής Πληροφορίας
»)



Μέλος επιτροπής
παραλαβής στην «Κοινωνία της Πληροφορίας ΑΕ» για το έργο

e
-
University
”.



Σημειώσεις

1)

Σημειώσεις εργαστηρίου Η/Υ. Τμήμα Διοίκησης Επιχειρήσεων Παν/μίου Πατρών,
(
windows
,
word
,
excel
,
powerpoint
,
access
), 2000.

2)

Σημειώσεις εργαστηρίου Η/Υ. Τμήμα Λογιστικής Τ
ΕΙ Πατρών, (
word
,
excel
), 1998.

3)

Σημειώσεις μαθήματος «Συστήματα Διαχείρισης Επιχειρηματικών Πόρων», Τμήμα
Διοίκησης Επιχειρήσεων Παν/μίου Πατρών, 2003.


Έγκριτες
Επιστημονικές
Δημοσιεύσεις

Μερικές από τις παρακάτω δημοσιεύσεις έχουν δημοσιευθεί σε επιστημο
νικά
περιοδικά που βρίσκονται σε υψηλή θέση σε σχέση με όλα τα περιοδικά της

6

επιστημονικής περιοχής
COMPUTER

SCIENCE

(σύνολο 365)

κατά το
Journal

Citation

Reports
,
συγκεκριμένα τα:



Artificial Intelligence:
θέση

31



Pattern Recognition
:
θέση

52



Journal of C
omplexity:
θέση

87



Pattern Recognition

Letters:
θέση

156



Computers & Operations Research

θέση

166



Inter
n.
Journal of Information Technology & Decision Making
:
θέση

191

Όπως

και

της

επιστημονικής

περιοχής

OPERATIONAL

RESEARCH

&
MANAGEMENT

SCIENCE

(
σύνολο

6
0),
συγκεκριμένα

τα
:



Computers & Operations Research
θέση

4



Journal of the Operations Research Society
θέση

33




Συνέδρια

με δημοσιευμένα Πρακτικά

1)

B. Boutsinas, A. Kameas, G. Pavlides, "PIGES/A: An Electronically Data
Processing system concerning the anc
ient Greek music sources", International
Conference on Computer Music, Delphi, 1992, pp
.

1
-
12
.

2)

B. Boutsinas, G. Pavlides, "Belief Revision in nonmonotonic multiple
inheritance using Weighted Inheritance Networks", AI'93 Workshop on
"Belief revision: Bridg
ing the gap between theory and practice", Australia,
Melbourne, 1993, pp
.

141
-
155
.

3)

Β
.
Βουτσινάς
, "`EasyTeach':
ένα υπολογιστικό περιβάλλον το οποίο
υποστηρίζει την διδασκαλία μεμονωμένων διδακτικών ενοτήτων
", 1ο
Πανελλήνιο Συνέδριο Διδακτική των Μαθηματικών και Πληροφορική στην
Εκπαίδευση
,
Ιωάννινα
, 1993, pp
.

253
-
268
.

4)

B. Boutsinas, G. Pa
vlides, "Weighted Inheritance Networks: An Introduction",
13th IASTED International Conference Applied Informatics, Austria,
Innsbruck, 1995, pp
.

174
-
176
.

5)

B. Boutsinas, Y. C. Stamatiou, "A Knowledge
-
Based Approach to
Recognizing Polyhedral Scenes", 13th I
ASTED International Conference
Applied Informatics, Austria, Innsbruck, 1995, pp
.

160
-
163
.

6)

B. Boutsinas, Y. C. Stamatiou, G. Pavlides, "Parallel Reasoning using
Weighted Inheritance Networks", 1995 IJCAI Workshop on Parallel
Processing for Artificial Intel
ligence, Montreal, Canada, 1995, pp
.

29
-
39
.


7)

B. Boutsinas, "On Managing Non
-
monotonic Transitive Relationships", 8th
IEEE International Conference on Tools with Artificial Intelligence (ICTAI),
(acceptance rate: 23%), Toulouse, France, 1996, pp
.

374
-
382
.


8)

Γ
.
Ανδρεόπουλος
,
Κ
.
Σταθελάκος
,
Α
.
Τζελαϊδης
,
Β
.
Βουτσινάς
,
Γ
.
Παυλίδης
,
"Visual Teacher:
Δημιουργία Ασκήσεων και Μαθημάτων μα χρήση
Προγραμματισμού με Επίδειξη
", 6ο
Πανελλήνιο Συνέδριο ΕΠΥ΄
97,
(acceptance rate: 44%), 1997
, εργασία Νο. 72, Παράρτημα.

9)

B. Bou
tsinas, M.N. Vrahatis, "Nonmonotonic Connectionist Expert Systems",
2nd IMACS CSC'98, Athens, 1998, pp
.

404
-
412
.

10)

B. Boutsinas, M.N.
Vrahatis, "Data Mining using Nonmonotonic Connectionist
Expert Systems", IMACS/IEEE CSCC'99, Athens, 1999, pp
.

77
-
84
.


11)

T. Gn
ardellis, B. Boutsinas, "On Experimenting with Data Mining in
Education", Proceedings of 2nd Panhellenic Conference with International

7

Participation, "Information and Communication Technologies in Education"
(
acceptance

rate
: 51%)
,
Patras, October 2000
,
pp
.

275
-
283
.

12)

A.V. Adamopoulos, B. Boutsinas, M.N. Vrahatis, P. Anninos, “Analysis of
Normal and Pathological Fetal Magnetocardiograms Using Clustering
Algorithms”, Proceedings of European Symposium on Intelligent
Technologies, Hybrid Systems and their implem
entation on Smart Adaptive
Systems (eunite 2001), Special Session
-

Adaptive Systems and Hybrid CI in
Medicine, December 2001, Tenerife, Spain

[
POSTER
].


13)

A.V. Adamopoulos,
P. Anninos,
B. Boutsinas, M.N. Vrahatis, , “Analysis of
Epileptic Magnetoence
phalogram Dynamics through Clustering Algorithms”,
Proceedings of the 14th International Conference on Digital Signal Processing
(DSP2002),

Santorini, Greece, July , 2002, pp. 607
-
610.

14)

P. Alevizos, B. Boutsinas, D. Tasoulis, M.N. Vrahatis, “Improving the
O
rthogonal Range Search
k
-
windows
A
lgorithm”,
Proceedings of the
14th
IEEE International Conference on To
ols with Artificial Intelligence,

(
acceptance

rate
:
32
%

regular papers
)
,
2002,
pp
.

239
-
245
.

15)

D. Plotas, D. Tasoulis, B. Boutsinas, “Are the Iliad and O
dyssey each work
of a single poet? ” 2nd World Congress "Ancient Greece and the Modern
World", July, Ancient Olympia, Greece,
2002,
pp. 617
-
623
.

[
POSTER
].




16)

Χ
.
Κωστάκη
,
Χ
.
Σαρηγιαννίδης
,
Β
.

Βουτσινάς
,
Ν
.
Βαρβάκης
,
Β
.
Ταμπακάς
,

Ολοκλήρωση

του

Συστήματος

«
Κοστολόγηση

με

βάση

τις

Διαδικασίες
»
με

Τεχνικέ
ς

Προσομοίωσης

και

Εξόρυξης

Δεδομέ
νων
”,
18
ο

Συνέδριο

Ελληνικής

Εταιρίας

Επιχειρησιακών

Ερευνών

"
Σχεδίαση

Λειτουργιών
,
Ανάκτηση

Πληροφοριών

και

Διαχείριση

γνώσης

-

Planning
,
Information

Retrieval

and

Knowledge

Management
",

2006,
pp
. 185
-
194
.

17)

H
.
Kostakis
,
L
.
Kounis
,
B
.
Boutsinas
, “
A

practical

study

to

applying

location

analysis

in

the

health

sector
”, 21
ο

Εθνικό

Συνέδριο

Ελληνικής

Εταιρίας

Επιχειρησιακών

Ερευνών
:
«Λήψη Αποφάσεων στα Συστήματα Υγείας»
,
2009.

18)

C. Ta
tsiopoulos, B. Boutsinas, “Ontology Mapping based on association rule
mining”,
11
th

International

Conference on Enterprise Information Systems,
Milan Italy, May,
2009.



19)


C. Tatsiopoulos, B. Boutsinas,

K
. Sidiropoulos,


On Aligning Interesting
Parts of Ont
ologies

, International Conference on Knowledge Engineering and
Ontology Development (KEOD 2009), October, Portugal, 2009.

20)

M. Rogakou, K. Christou, B. Boutsinas, “On Representing Principles and
Inspection Techniques of Quality Management Systems”, 3rd Con
ference of
Union of Hellenic Scientists for Protypation and Standardization, November,
2010.

21)

Γ. Ραβασόπουλος, Ι. Παπαιωάννου,
B
. Βουτσινάς, “Η Αναλυτική
Επεξεργασία Δεδομένων (
On

Line

Analytical

Processing
)

στην Υποστήριξη
Αποφάσεων των
Υπευθύνων Περιβαλλ
οντικής Εκπαίδευσης των
Διευθύνσεων Εκπαίδευσης”
,
5ο
Συνέ
δριο Π.Ε.ΕΚ.Π.Ε.
«
Περιβαλλοντική
Εκπαίδευση: Το Σταυροδρόμι της Εκπαίδευσης για την Αειφόρο Ανάπτυξη
»,
Ιωάννινα, 26
-
28 Νοεμβρίου, 2010
.







8

Παρουσιάσεις

σε

Συνέδρια

22)

N
. Mastroyannis
, B
. B
outsinas, I
.

Giannikos
, “
Extending Outranking Relations
using Data Mining Classification techniques
”, 20
th

Europian Conference on
Operational Research,
Rhodes, Greece, 2004
,
[
POSTER
].

23)

B. Boutsinas, G
. Antzoulatos, P. Alevizos


A Novel Classification Algorithm
Based On

Clustering
”,
1st International C
onference

from Scientific
C
omputing to

Computational Engineering
,
Athens, Greece
,
2004
.

24)

D
.

Heather, J
.

Pyrah, K
.

Pyrah, B
.

Boutsinas, R
.

Jacob
, “
Intelligent Solutions,
Evidence Based Practice And Long Term Support
”,
Modern Approaches in
Learning Disabilities
5
th

Annual
Conference
,

Exeter
, UK,
April
,

2005
.

25)

N. Mastrogiannis, G. Antzoulatos, B.

Boutsinas,

I. Giannikos


A New
Clustering Heuristic
”,
Conference of the European

Working Group in
Location Analysis, Estoril, Portugal,
February 2007.

26)

N. Mastrogiannis, G. Antzoulatos, B.

Bouts
inas,

I. Giannikos


A New
Clustering Heuristic for the Set Covering Problem
”,
22nd Conference on
Operational Research (EURO XXII),

P
rague, Czech Republic, July 2007.

27)

C. Halkiopoulos, B. Boutsinas, “Music Representation for Analysis using Data
Mining”, Musi
c Theory and Analysis
-

Seventh Annual Conference of Music
Theory

Department, May, Belgrade, 2009.




Συνέδρια

με

Πρακτικά

δημοσιευμένα

σε

σειρές

28)

B. Boutsinas, S. Papadimitriou, G. Pavlides, ''Automatic analysis, verification
and synthesis of rule
-
based real
-
time decision making systems with Machine
Learning assistance", in Perspectives Of System Informati
cs, (acceptance rate:
35%), Lecture Notes in Computer Science, LNCS 1181, 1996, pp
.

135
-
145
.

29)

D.
K.

Tasoulis, P. Alevizos, B. Boutsinas, M.N. Vrahatis, “Parallel
unsupervised k
-
windows: an efficient parallel clustering algorithm”, 7th
International Conferenc
e Parallel Computing
Technologies (PaCT
-
2003),
Lecture Notes in Computer Science, LNCS 2763,

V. Malyshkin ed., Springer
-
Verlag, Berlin Heidelberg,
Germany,
2003,
pp.336
-
344
.


30)

B. Boutsinas, I.X. Tsekouronas, “
Splitting data in decision trees using the new
'
False
-
Positives' criterion
”,
3rd Hellenic Conference on Artificial Intelligence
,
επιλέχθηκε στις 35% top
-
scored
εργασίες που δημοσιεύονται στη σειρά
Lecture Notes in Artificial Intelligence,
LNAI

3025,
Springer Verlag,
2004,
pp.
174
-
182
.

31)

B. Boutsinas, Y. Na
sikas, "Document Clustering based on Association Rule
Mining", International Conference of Computational Methods in Sciences and
Engineering 2006 (ICCMSE 2006), Lecture Series on Computer and
Computational Sciences, Brill Academic Publishers, Vol. 7,
2006,

pp.58
-
61
.





Περιοδικά
-
Βιβλία

1)

B. Boutsinas, Y. C. Stamatiou, G. Pavlides, "Massively Parallel Support for
Nonmonotonic Reasoning", αποτελεί ξεχωριστή ενότητα στ
ην σειρά
"Parallel
Processing for Artificial Intelligence"
, Series Machine Intelligence and Pattern
Recogniti
on 20,
Elsevier Science Publishers B.V. (North
-
Holland), J. Geller,

9

H. Kitano, C. Suttner

(eds.)
, το οποίο είναι εισαγωγικό στην περιοχή της
Parallel Artificial Intelligence
, ISBN 0 444 82486 3
, 1997
, pp. 41
-
67
.

2)

B. Boutsinas, M.N. Vrahatis, "Artificial Non
monotonic Neural Networks",
Artificial Intelligence 132(1), 2001, Elsevier Science Publishers B.V., Impact
factor: 1
769/2002
,

pp 1
-
38
.

3)

M.N. Vrahatis, B. Boutsinas, P. Alevizos, G. Pavlides, “The new k
-
windows
algorithm for improving the k
-
means clustering
algorithm”, Journal of
Complexity, Academic Press, vol. 18, 2002, Impact factor:
892/2002
, pp. 375
-
391
.

4)

B. Boutsinas, T. Gnardellis, “On Distributing the clustering process”, Pattern
Recognition Let
t
ers, Elsevier Science Publishers B.V., vol. 23, no. 8, 2
002,
Impact factor:
409/2002
, pp. 999
-
1008.

5)

B. Boutsinas, “Accessing Data Mining Rules through Expert Systems'',
International Journal of Information Technology
&

Decision Making, 1(4),
World Scientific

Publishing Company
,
2002,
Impact factor: 818/2006,
pp
.
657
-
672
.

6)

B. Boutsinas, G.C. Meletiou, M.N. Vrahatis, “Mining Encrypted Data”
(extended version of [1
3
),
στην σειρά

«
SUPPLY CHAIN AND FINANCE
»,
Series on Computers and Operations Research


Vol. 2, P. M. Pardalos, Α.
Migdalas, G. Baouraki
s (eds), pp.
273
-
281,

World Scientific,

ISBN 981
-
238
-
717
-
X
,
200
4.


7)

B. Boutsinas, G. Prassas, G. Antzoulatos, “A methodolog
y for scaling up
classification algorithms”, International Journal on Artificial Intelligence
Tools,
13(3
),
World Scientific Publishing Company,
2004, pp. 623
-
639.

8)

B. Boutsinas, “Incorporating Common Sense into a Machine Learning
System”, International Jou
rnal of Computational Cognition, (invited paper),
V
ol.3, No
.
3,
2005, pp. 1
-
17.

9)

B. Boutsinas, “On defining OLAP
-
formulations”, IMA Journal
of
Management Mathematics, Oxford University Press,
16(4),

2005,

pp. 339
-
354.

10)

B. Boutsinas, D. Tasoulis, M.N. Vrahatis
, “Estimating the number of clusters
using a windowing technique”, Pattern Recognition a
nd Image Analysis,
16
(2)
,
2006,
pp.

143
-
154
.

11)

Hara Kostakis, Basilis Boutsinas, Demosthenes B. Panagiotakos, Christos
Pitsavos, Christodoulos Stefanadis, “The use of Boo
lean association rules to
evaluate dependencies between the biological factors levels and genes, in
human; an application to the effect of a mutation on serum lip
id profile in
h
ealthy individuals”,
Far Ea
st Journal of Theoretical Statistics,
19(1),
2006,
p
p. 1
-
11.

12)

Demosthenes B. Panagiotakos, Hara Kostakis, Basilis Boutsinas, “The use of
classification algorithms to assess the likelihood of having a chronic disease”,
JP Journ
al of Biostatistics, 1(1),
2007,
pp. 1
-
12
.

13)

B. Boutsinas, S. Athanasiadis, “On Mergi
ng Classification Rules”,
International Journal of Information Technology & Decision Making, World
Scientific Publishing Company,
Impact factor: 818/2006,
7(3), 2008,
pp. 431
-
450
.

14)

H. Kostakis, C. Sarigian
nidis, Β. Βoutsinas, K. Varvakis, V. Tampakas,
“Integrating Activity
-
Based Costing with Simulation Techniques and Data
Mining”, International Journal of Accounting and Information Management,
16(1), 2008, pp. 25
-
35
.


10

15)

B. Boutsinas, C. Siotos, A. Gerolymatos
, “Distributed mining of association
rules based on reducing the support threshold”, International Journal on
Artificial Intelligence Tools, World Scientif
ic Publishing Company, 17(6),
2008, pp. 1109
-
1129
.

16)

H. Kostakis, B. Boutsinas, D.B. Panagiotakos, L. K
ounis, “A Computational
algorithm for the risk assessment of developing Acute Coronary Syndromes,
using OLAP (On Line Analytical Process) methodology”, International
Journal of Knowledge Engineering and Soft Data Paradigms,
1(1), 2009
,
pp.
85
-
99
.

17)

B. Boutsi
nas, T. Papastergiou, “On clustering

tree structured data with

categorical
nature
”, Pattern Recognition,

Elsevier Science,

41(12), 2008,

pp.
3613
-
3623,

Impact factor: 3279/2008
.

18)

N. Mastroyannis, B. Boutsinas, I. Giannikos, “A method for improving the
accur
acy of data mining classification algorithms based on outranking
relations”, Computers & Operations Research, Pergamon
-
Elsevier S
cience,
36(10), pp. 282
9
-
2839, 2009, Impact factor: 1366/2008
.

19)

N. Mastroyannis, I. Giannikos, B. Boutsinas, G. Antzoulatos,
“CL
.E.KMODES: A Modified K
-
Modes Clustering Algorithm”, Journal of the
Operational Research Society,
60(8), pp. 1085
-
1095, 2009,

Impact factor:
839/2008
.

20)

C. Halkiopoulos, B. Boutsinas, “Automatic Interactive Music Improvisation
based on Data Mining”
, Internat
ional Journal on Artificial Intelligence Tools,
World Scientific Publishing Company, to appear.

21)

C.
T
atsiopoulos
, B. Boutsinas, “
Automatic Knowledge Exchanging between
Tourists via Mobile Devices"
,

Journal of Hospitality and Tourism Technology
,

1(2), pp. 16
3
-
173, 2010
.



Μονογραφίες

1)

Β. Βουτσινάς, «Θέματα Επιχειρηματικής Νοημοσύνης: Θεωρητική
Θεμελίωση και Εφα
ρ
μογές», Εκδόσεις Κωσταράκη, 2003

2)

Β. Βουτσινάς, «Συστήματα Υποστήριξης Αποφάσεων», Ελληνικό
Ανοικτό Πανεπιστήμιο, 2003


Επίβλεψη Διδακτορικών Διατριβών

ΔΔ1)

Επιβλέπων σε
2

περαιωθείσ
ες
διδακτορικ
ές

διατριβ
ές

(κ. Χ
αρά

Κωστάκη
, κ.
Χρήστος Τατσιόπουλος
) σ
το Τμήμα Διοίκησης Επιχειρήσεων,
(
2007
,2009)
.

ΔΔ2)

Επιβλέπων
την περ
ίοδο 2005
-
2007
σε 1 περαιωθείσα διδακτορική διατριβή (κ.
Κων/νος
Χαλκιόπουλος
) σ
το
Διατμηματικό Με
ταπτυχιακό Πρόγραμμα (Μηχ.
Η/Υ & Πληροφ., Μαθηματικό) «Μαθηματικά των Υπολογιστών και των
Αποφάσεων, 2009
.



Διάφορες Επιστημονικές Δημοσιεύσεις

Μελέτες

1)

Έρευνα Πεδίου στην μελέτη «
ΑΝΑΠΤΥΞΙΑΚΕΣ ΔΥΝΑΤΟΤΗΤΕΣ, ΑΓΟΡΑ
ΕΡΓΑΣΙΑΣ
Κ
ΑΙ ΠΡΟΟΠΤΙΚΕΣ ΑΠΑΣΧΟΛΗΣΗΣ

ΣΤΟ ΝΟΜΟ

ΑΧΑΪΑΣ
»,
ΠΑΡΑΤΗΡΗΤΗΡΙΟ ΑΠΑΣΧΟΛΗΣΗΣ ΕΡΕΥΝΗΤΙΚΗ ΠΛΗΡΟΦΟΡΙΚΗ Α.Ε.
, 2003.

Technical Reports


11

TR1)

B. Boutsinas, G. Pavlides, ''A Profitable Theory of nonmonotonic multiple inheritance
based on Weighted Inheritance Networks'', Tech. Report, C.T.I, TR.93.08.30, 1993

TR2)

B. Boutsinas, G. Pavlides, ''An algorithm to revise beliefs of a nonmonotonic multiple
inheritance reasoner based on WINs'', Tech. Report, C.T.I, TR.93.09.34, 1993

TR3)

B. Boutsinas, Y. C. Stamatiou, ''The Mathematics of an Inheritance System, based on
Weighte
d Inheritance Networks, with a Profitable view of multiple extensions'', Tech.
Report, C.T.I, TR.93.09.35, 1993

TR4)

B. Boutsinas, Y. C. Stamatiou, ''The goal
-
directed inheritance reasoning problem
belongs to NC'', Tech. Report, C.T.I, TR.94.06.38, 1994

TR5)

B. Bout
sinas, Y. C. Stamatiou, ''The recognition problem belongs to NC'', Tech.
Report, C.T.I, TR.94.11.52, 1994

TR6)

B. Boutsinas, ''Efficient Management of Transitive Relationships with Exceptions
”,
Tech. Report, C.T.I, TR.95.11.42, 1995

TR7)

G. Kaparos, I. Panaretou, M.

Lambrakis, B. Boutsinas, G. Pavlides, "Ultivox: An
integrated methodology for developing Workflow applications", Tech. Report, C.T.I,
TR.97.11.40, 1997


Συνέδρια

χωρίς
σύστημα κριτών

1)

Β.Βουτσινάς, «
Μεθοδολογίες ανάλυσης μεγάλου όγκου δεδομένων και ο ρόλος τους
στην λήψη επιχειρηματικών αποφάσεων
», 2
ο

Πανελλήνιο Συνέδριο Διαχείρισης των
Σχέσεων με τους Πελάτες


CRM

FORUM

2007,
(
www
.
crmforum
.
gr
),
Αθήνα,
Μάρτιος, 2007.



Αναφορές

Στην εργασία:
B
.
Boutsinas
,
M
.
N
.
Vrahatis
, "
Nonmonotonic

Connectionist

Expert

Systems
" από:

1.

I
.
Hatzilygeroudis
,
J. Prentzas, “NEURULES: Integrating Symbolic Rules and Neurocomputing”, D. Fotia
des,
S. Nikolopoulos eds., “Adnavces in Informatics”, World Scintific Pub., pp. 122
-
133, 2000.

2.

I. Hatzilygeroudis, J. Prentzas, “Constructing Modular Hybrid Rule Bases for Expert Systems”, International
Journal on Artificial Intelligence Tools, Vol. 10, No
s 1&2, pp. 87
-
105, 2001.


Στην εργασία: B. Boutsinas, "On Managing Non
-
monotonic Transitive Relationships" από:

3.

Pascal Nicolas, Frederic Saubion, Igor Stephan, "Heuristics for a Default Logic Reasoning System",
International Journal on Artificial Intelligence Tools, World Scient
ific Publishing Company, Vol. 10, No. 4 ,
pp. 503
-
523, 2001


Στην εργασία: B. Boutsinas, M.N. Vrahatis, "Artificial Nonmonotonic Neural Networks"
από
:

4.

Robert Hein, “A Connectionist approach to nonmonotonic reasoning”, seminar paper, Department of
Computer

Science, Dresden University of Technology, June, 2002.

5.

διδάσκεται στο σεμινάριο «Logic and Connectionist Systems» του Department of Computer Science, Dresden
University of Technology, σαν ξεχωριστή ενότητα (συνολικά 10 ενότητες), από Prof. Dr. Steffen Höl
ldobler
and Dr. Pascal Hitzler, 2002.

6.

D'Avila Garcez, A.S.
, “Extended theory refinement in
knowledge
-
based neural networks”, Proceedings of the
International Joint Conference on Neural Networks 3 , pp. 2905
-
2910, 2002.

7.

J. Prentzas, I. Hatzilygeroudis, "Integrating Hybrid Rule
-
Based with Case
-
Based Reasoning", in S. Craw and
A. Preece (Eds.): ECC
BR 2002, LNAI 2416, pp. 336

349, 2002.

8.

Mark Ayre, “Biomimicry
-

A review”, European Space Agency, 2003.
Επίσης

την

ιστοσελίδα

της

ερευνητικής

ομάδας

«Biomimetics»
του

European Space Agency,
σχετικά

με

«Learning & Neural Networks”,
(
http://www.esa.int/gsp/ACT/ACT_Web/Subjects/Bio/be_con/learn/learn_2.htm
).

9.

Clark Hu, “Advanced tourism demand forecasting: Artificial neural network and Box
-
Jenkins modeling”,
Ph.D. Thesis, P
urdue University, 2002.

10.

Dov M. Gabbay,

Artur S. D’Avila

Garcez, Krysia B. Broda and
D’Avila

Garcez (eds), “Neural
-
Symbolic
Learning Systems: Foundations and Applications”, Springer, ISBN 1852335122, 2002.

11.

Stergios Papadimitriou and Constantinos Terzidis, “
Symbolic adaptive neuro
-
fuzzy inference for data mining
of heterogenous data”, Intelligent Data Analysis, 7(4), 2003, pp.327
-
346.

12.

Artur

Garcez and Dov Gabbay, “Fibring Neural Networks”, Proceedings of The Nineteenth National
Conference on Artificial Inte
lligence (AAAI
-
04), San Jose, California, 2004.

13.

Yan Lixiang, “Knowledge refinement of self
-
adaptive reasoning”, Journal of Zhejiang University (Science
Edition), Vol.31 No.1, pp. 48
-
50, 2004.

14.

W.F. Ramirez, “Fundamental and Hybrid Neural Network Modelling a
n
d Optimization of Bioreactors”,
Computer Applications in Biotechnology 2004
, J.V. Impe (ed), pp. 303
-
306, 2005

15.

Reinhard Blutner “Nonmonotonic inferences and neural networks”, SYNTHESE 142 (2), pp.143
-
174, 2004.

16.

G. Lappas, R.J. Frank, A.A Albrecht, “A comp
utational study on circuit size versus circuit depth”,
International Journal on Artificial Intelligence Tools, 15 (2), pp. 143
-
161, 2006
.


12

17.

Uday

Chand

Ghoshal, Ananya

Das, “Models for prediction of mortality from cirrhosis with special reference
to artificia
l neural network: a critical review”, Hepatology International, 2(1), pp.31
-
38, 2008.

18.

G. Potamias, A. Kanterakis, “Feature Selection for the Promoter Recognition and Prediction Problem”,
International Journal of Data Warehousing and Mining, 3(3), pp. 60
-
78
, 2007.

19.

D.B. Panagiotakos and G. Dedoussis, “Classification Trees in Determining Health Outcomes, Using Genetic
Information”, Advances and Applications in Statistics, 7(2), pp. 303
-
311, 2007.

20.

Artur

S. d’Avila Garcez, Luis C. Lamb, and Dov M. Gabbay, “Neura
l
-
Symbolic Cognitive Reasoning”,
Springer, 2009.

21.

Y. Zhang, L. Li, Y. Yang, G. Ruan, "Euler Neural Network with Its Weight
-
Direct
-
Determination and
Structure
-
Automatic
-
Determination Algorithms," Proceedings of 2009 Ninth International Conference on
Hybrid I
ntelligent Systems, vol. 3, pp.319
-
324, 2009.


Στην παραπάνω εργασία υπάρχουν επίσης
6

αναφορές από εργασίες, όπου κάποιοι συγγραφείς των οποίων ε
ίναι
συνσυγγραφείς μου σε αυτήν:

22.

K.E. Parsopoulos, M.N. Vrahatis, “Recent approaches to global optimization problems through Particle
Swarm Optimization”, Na
tural Computing, 1(2
-
3), pp. 235

306, 2002

23.

V.P. Plagianakos, M.N. Vrahatis, “Parallel evolutionary training algorithms for “hardware
-
friendly” neural
networks”, Natural Computing, 1(2
-
3), pp. 307

322, 2002

24.


G.C. Meletiou, D.K. Tasoulis, M.N. Vrahatis, “A F
irst Study of the Neural Network Approach in the RSA
Cryptosystem”, IASTEED 2002 Conference on Artificial Intelligence, pp.483
-
488, 2002.

25.

G.C. Meletiou, D.K. Tasoulis, M.N. Vrahatis, “Cryptography through Interpolation, Approximation and
Computational Int
elligence Methods”, Bull. Greek Math. Soc, 48, pp. 61
-
75, 2003.

26.

E.C. Laskari, G.C. Meletiou, D.K. Tasoulis, M.N. Vrahatis, “Studying the performance of artificial neural
networks on problems related to cryptography”, Nonlinear Analysis: Real World Applica
tions, Elsevier, 7(5),
pp. 937
-
942, 2006.

27.

E.C. Laskari, G.C. Meletiou, Y.C. Stamatiou, M.N. Vrahatis, “Cryptography and Cryptanalysis through
Computational Intelligence”, in “Computational Intelligence

in Information Assurance and Security
”,


“Studies in
Computational Intelligence” book series, 57, pp. 1
-
49, 2007.



Στην εργασία: B. Boutsinas, T. Gnardellis, “On Distributing the clustering process” από:

28.

Ren Qun, Tian Jay and Cheng Jiangang, “Cluster Approach for Fingerprint Identification”, AI Lab, C.
A.S.,
Beijing, P. R. China, in Proceedings of the 2002 International Conference on Artificial Intelligence (IC
-
AI'02), June 24
-

27, 2002, Monte Carlo Resort, Las Vegas, Nevada, USA

29.

Zhou, B.
,
Shen, J.Y.
,
Peng, Q.K.
, “PARCLE: A parallel clustering algorithm for cluster system”, International
Conference on Ma
chine Learning and Cybernetics, Volume 1, 2003, Pages 4
-
8


30.

Zhou, B.
,
Shen, J.Y.
,
Peng, Q.K.
, “Parallel Clustering Algorithm for PCs Cluster”, Computer Engineering,
Vol.30 No.4, pp. 4
-
6, 2004.

31.

P.S.L. de Souza, A.S. Britto, Jr., R. Sabourin , S.R.S. de Souza, and D.L. Borges, “K
-
Means VQ Algorithm
using a Low
-
Cost Parallel Cluster Computing”, Proceedings of the
Parallel and Distributed Computing and
Networks, 2004
.

32.

Nirvana Meratnia, “Towards Database Support For Moving Object
Data”, PhD Thesis, Twente University,
The Netherlands, 2005.

33.

Mao Jia
-
li and Yang Xu
-
hua, “Parallel Partitional Clustering Algorithm for PCs Cluster”, Journal of China
West Normal University, Vol.26 No.3, pp. 271
-
273, 2005.

34.

Eric K. Zinda, Lance E. Olson, “U
nbounded computing space”, United States Patent 7043522, (Assignee
Microsoft Corporation), 2006.


35.

Marta Modenesi, Myrian Costa, Alexandre Evsukoff, Nelson Ebecken, “Parallel Fuzzy c
-
Means Cluster
Analysis”, VECPAR'06 7th international meeting on High Perfo
rmance Computing for Computational
Science, July, Rio de Janeiro, Brazil, 2006.

36.

Y
.

Zhang;

Z
.

Xiong; J
.

Mao;

Ling Ou;


The study of parallel k
-
means Algorithm
“,
The Sixth World Cong
ress
o
n
Inte
lligent Control and Automation

WCICA 2006
,
pp.
5868


5871
, 2006.


37.

XIA Sheng
-
ping,

LIU Jian
-
jun, YUAN Zhen
-
tao, YU Hua, ZHANG Le
-
feng, YU Wen
-
xian, “Cluster
-
Compu
ter Based Incremental and Distributed RSOM Data
-
Clustering”,


ACTA ELECTRONICA SINICA,
35(3), pp. 385
-
391, 2007.

38.

K. Inoue, K. Urahama,

“Hierarchically Distributed Dynamic Mean Shift”, Proceedings of IEEE International
Conference on
Image P
rocessing, vol. 1, pp. 269
-
272, 2007.

39.

Z
.

Feng, B
.

Zhou, J
.

Shen ,

A parallel hierarchical clustering algorithm for PCs cluster system
”,

Neurocomputing,
Volume 70, Issues 4
-
6
,

pp.

809
-
818
,
2007.

40.

N.P. Lin, C.
-
I Chang, H.
-
E. Chueh, H.
-
J. Chen, W.
-
H. Hao, ”An adaptive crossover
-
imaged clustering
algorithm”, Proceedings of the 7th WSEAS International Conference on Simulation, Modelling and
Optimization (SMO'07), pp. 213
-
218, 2007.

41.

M.V. Modenesi, A.G. Evsukoff, M.C.A. Costa, “
A Load Balancing Knapsack Algorithm for Parallel Fuzzy c
-
Means Cluster Analysis
”, VECPAR 2008, LNCS 5336, pp. 269

279, 2008
.

42.

Eric K. Zinda,
Erik B. Olson, “Prevention of software tampering”, United States Patent 7478233, (Assignee
Microsoft Corporation), 2009.

43.

S.
-
H. Liao, C.
-
M. Chen, C.
-
L. Hsieh and S.
-
C. Hsiao, “Mining information users’ knowledge for one
-
to
-
one
marketing on information appli
ance”,
Expert Systems with Applications
,
Vol. 36, Issue 3, Part 1
, pp. 4967
-
4979, 2009.

44.

S.
-
H. Liao, J.
-
L. Chen
a

and T.
-
Y. Hsu, “Ontology
-
bas
ed data mining approach implemented for sport
marketing”,
Expert Systems with Applications
,
Vol. 36, Issue 8
, pp. 11045
-
11056, 2009.

45.

Eric K. Zinda, Erik B. Olson,

Peer assembly inspection
”,
US Patent

7634806, 2009.

46.

Y
.

Li
,
B
.
-
L
.

Lu
,
T
.
-
F
.

Zhang
, “
Combining Feature Selection With Extraction: Unsupervised Feature Selection
Based On Principal Component Analysis
”,
International Journal on Artificial Intelligence Tools
,

18

(
6
),
pp.
883
-
90
4,
2009
.

47.

L
.
E
.

Olson, E
.
K
.

Zinda
, “
Peer communication channel partitioning
”,
US Patent 7,676,541, 2010
.


13


Στην εργασία: T. Gnardellis, B. Boutsinas, "On Experimenting with Data Mining in Education"
από
:


48.

Lorie Ilene Moffitt
,
“Data Mining and Retention”
,
εργασία

στα

πλαίσια της διδακτορικής διατριβής, School of
Computer and Information Sciences, Nova Southeast
ern University, 2002.

49.

Hsiu
-
Yuan Yang, “A Study of Recruiting Strategies and Student Profiles Using Data Warehouse and Data
Mining”, Master's Thesis,
Chung Yuan Christian University, Dept. of
Management Information System
,
2002.

50.

Calvin Deiterich, “Using a
Decision Support System to Target At
-
Risk Students”, εργασία στα πλαίσια της
μεταπτυχιακής

διατριβής, Penn State's Graduate School, 2004.

51.

Tung
-
hsu Hou, Hsing
-
yu Hou, “Applying association rules in the Inter
-
Library Loan (ILL) Logistic System”,
National Yu
nlin University

52.

Hsing
-
yu Hou, “The research of exploring the factors that affect E
-
Learning performance from the learners’
perspective and interface design”, Doctoral Dissertation, College of Management, National Yunlin University
of Science & Technology,
China, 2009.



Στην εργασία: M.N. Vrahatis, B. Boutsinas, P. Alevizos, G. Pavlides, “The new k
-
windows algorithm for
improving the k
-
means clustering algorithm”,
από
:

53.

Kuo
-
Lung Wu
,
“Fuzzy C
lustering Algorithm Based On Scatter Matrices”, PhD Thesis, Chung Yuan Christian
U
niversity, Dept. of Mathematics, 2002.

54.

Eden W.M. Ma, Tommy W. S. Chow,

A new shifting grid clustering algorithm”, Pattern Recognition,
Volume 37, Issue 3, March 2004, Pages 503
-
514.

55.

Liviu
-
Mihai Vladutu, “Computational Intelligence Methods on Biomedical Si
gnal Analysis and Data Mining
in Medical Records”, PhD Thesis, University of Patras, School of Medicine, 2004.

56.

M. Rigou, S. Sirmakessis and A. Tsakalidis, “A Computational Geometry Approach to Web Personalization”,
IEEE International Conference on E
-
Commer
ce Technology (CEC'04), July 06
-

09, 2004, San Diego,
California, pp.377
-
380.

57.

Lee K, Joo J, Yang J, Park S, “Unit volume based distributed clustering using probabilistic mixture model”,
Lecture Notes in Computer Science, 3735, pp. 338
-
345, 2005.

58.

Huang J.X
., Bao G.S., Li Q.S., “Realization of R
-
tree for GIS on hybrid clustering algorithm”, Journal of
Central South

University o
f Technology, 12 (5), pp. 601
-
605, 2005.

59.

W
ang, S.
-
S., Liu, D.
-
Y., Liu, J., “A subspace clustering algorithm for high dimensional spat
ial data”, Journal
of Computer Applications, 25(11), pp. 2615
-
2617, 2005.

60.

P. Markellou, M. Rigou, S. Sirmakessis, “Knowledge Mining: A Quantitative Synthesis of Research Results
and Findings”,
Knowledge Mining
, book series
:

Studies in Fuzziness and Soft Computing
, Volume 185/2005,
pp. 1
-
11, 2005.

61.

Gülüzar

KEKEÇ, Nejat YUMUŞAK, Numan ÇELEBİ, “
Data Mining and Clustering w
ith Ant Colony
Optimization”, Proceedings of 5th International Symposium on Intelligent Manufacturing Systems, May 29
-
31, pp. 1178
-
1190, 2006.

62.

Dmitriy Fradkin, “Within
-
Class and Unsupervised

Clustering improve accuracy and extract local structure for
supervised classification”,
PhD Thesis,
New Brunswick Rutgers, The State University of New Jersey, 2006.

63.

Z. Hua, S. Li and Z. Tao, “A rule
-
based risk decision
-
making approach and its application
in China's customs
inspection decision”, Journal of the Operational Research Society, 57(11), pp. 1313
-
1322, 2006.

64.

Maria Halkidi, Michalis Vazirgiannis, Dimitrios Gunopulos, “Novel Aspects in Unsupervised Learning:
Semi
-
Supervised and Distributed Algorith
ms Novel Aspects in Unsupervised Learning: Semi
-
Supervised and
Distributed Algorithms”, PKDD, 2006.

65.

M. Rigou, S. Sirmakessis and G. Tzimas, “A method for personalized clustering in data intensive web
applications”, Conference on Hypertext and Hypermedia


Joint International Workshop on Adaptivity,
personalization & the semantic web, 2006, Odense, Denmark, pp.35
-
40.

66.

Shu
-
Hsien Liao, “Artificial neural networks classification and clustering of methodologies and applications


literature analysis from 1995 to
2005”, Experts Systems with Applications, 32(1), pp. 1
-
11, 2007.

67.

Y. Wang, R.
-
W. Li, B. Li, P.
-
J. Zhang, Y.
-
H. Li, “Research on an Ant Colony ISODATA Algorithm for
Clustering Analysis in Real Time Computer Simulation”, Proceedings of 2
nd

Workshop on Digit
al Media and
its Application in Museum & Heritages, pp. 223
-
229, 2007.

68.

T.J. Oyana, K.E. Scott, “A Geospatial Implementation of a Novel Delineation Clustering Algorithm
Employing the K
-
means”, European Information Society, Springer Berlin Heidelberg, pp. 13
5
-
157, 2008.

69.

Shu
-
Hsien Liao, Hsu
-
hui Ho and Hui
-
wen Lin
, “
Mining stock category association and cluster on Taiwan
stock market”,
Expert Systems with Applications
,
Volume 35, Issues 1
-
2
, pp. 19
-
29, 2008.

70.

Shu
-
Hsien Liao, Chyuan
-
Meei Chen
a

and Chung
-
Hsin Wu
a
, “Mining customer knowledge for product line
and brand extension in retailing” ,
Expert Systems with Applications
,
Volume 34, Issue 3
, pp 1763
-
1776,
2008.

71.

A. Sukov, “Unsupervised Clustering of Time Series Representing Product Demand”, Scientific Proceedings of
Riga University, Series 5: Computer Sience, Vol. 31, pp. 111
-
119, 2008.

72.


S.
-
H. Liao, Y.
-
N. Chen
a

and Y.
-
Y. Tseng
a
, “Mining demand chain knowledge of life insurance market for
new product development”,
Expert Systems
with Applications
,
Vol. 36, Issue 5
, July 2009
.

73.

Amitabha Mukerjee, “
Using attentive focus to discover action ontologies from perception
”, i
n A. S. d’Avila
Garcez et

al., editor, Proceedings of the Workshop on

Neural
-
Symbolic Learning and Reasoning, NeSy’
09,
2009
.

74.

N. Jamil, S. Sa'adan, “
Automatic Image Annotation Using Color K
-
Means Clustering
”, LNCS 5857, 2009, pp.
645
-
652.

75.

Shu
-
Hsien Liao, Ya
-
Ning Chen
a

and Yu
-
Yia Tseng
a
, “Mining demand chain knowledge of life insurance
market for new product development”,
Expert Systems with Applications
,
36
(
5
),
2009,
pp.

9422
-
9437
.

76.

Vinicius V. Melo, Alexandre C.B. Delbem, "Using Smart Sampling to Discover Promising Regions and
Increase the Efficie
ncy of Differential Evolution"
, Ninth International

Conference on Intelligent Systems
Design and Applications, pp.1394
-
1399
,
2009


14

77.

W
.

Gong, S
.

Wang, "Chaos Ant Colony Optimization and Application," Fourth International Conference on
Internet Computing for Science and Engineering, 2009
, pp.301
-
303.

78.

D. Hari P
rasad

and
Dr. M. Punithavalli
, “
A Review on Data Clustering Algorithms for Mixed Data
”,
Global
Journal of Computer Science and Technology
,

Vol. 10 Issue

5 Ver. 1.0, 2010, pp .
43
-
48


79.

T
.
J. Oyana, “A New
-
Fangled FES
-
k
-
Means Clustering Algorithm for Disease Di
scovery and Visual
Analytics,” EURASIP Journal on Bioinformatics and Systems Biology, vol. 2010, Article ID 746
021, 14
pages, 2010.

80.

Fayyoumi, E. and Oommen, B. J.
, A survey on statistical disclosure control and micro
-
aggregation techniques
for secure stati
stical databases. Software: Practice and Experi
ence
, 40,
pp
.

1161

1188
, 2010
.



Στην

παραπάνω

εργασία

υπάρχουν

επίσης

2
3

αναφορές

από

εργασίες
,
όπου

κάποιοι

συγγραφείς

των

οποίων ε
ίναι
συνσυγγραφείς μου σε αυτήν:

81.

NG Pavlidis, DK Tasoulis, MN Vrahatis, “Fi
nancial forecasting through unsupervised clustering and
evolutionary trained neural networks”, Evolutionary Computation (CEC '03), December 2003, pp. 2314
-

2321.

82.

DK Tasoulis, L Vladutu, VP Plagianakos, A. Bezerianos, M.N. Vrahatis, “Online Neural Network

Training
for Automatic Ischemia Episode Detection”, LECTURE NOTES IN COMPUTER SCIENCE, 2070, pp.1062
-
1068, 2003
.

83.

DK Tasoulis, VP Plagianakos, MN Vrahatis, “Unsupervised clustering of bioinformatics data”, European
Symposium on Intelligent Technologies, Hy
brid Systems and their implementation on Smart Adaptive
Systems, Aachen Germany, 2004.

84.

D.K. Tasoulis, M.N. Vrahatis, “Unsupervised distributed clustering", IASTED International Conference on
Parallel and Distributed Computing and Networks, Innsbruck, Austr
ia, 2004.

85.

G.D. Magoulas, V.P. Plagianakos, D.K. Tasoulis, M.N. Vrahatis, “Tumor Detection in Colonoscopy using the
Unsupervised k
-
windows Clustering Algorithm and Neural Networks”, 4
th

European Symposium on
“Biomedical Engineering”, 2004.

86.

P Alevizos, DK
Tasoulis, MN Vrahatis, “Parallelizing the unsupervised k
-
windows clustering algorithm”,
Lecture Notes in Computer Science, 3019, pp. 225
-
232, 2004.

87.

D.K. Tasoulis, M.N. Vrahatis, “Novel Approaches to Unsupervised Cluster
ing t
hrough
the k
-
w
indows
Algorithm”,

Knowledge Mining: Series Studies in Fuzziness and Soft Computing. Series: Studies in Fuzziness
and Soft Computing, Sirmakessis, Spiros (Ed.), Vol. 185, pp. 51
-
78, 2005.

88.

NG Pavlidis, DK Tasoulis, MN Vrahatis, “Time Series Forecasting Methodology for Multi
ple

Step

Ahead
Prediction”, Fourth IASTED International Conference on Computational Intelligence, 2005.

89.

VP Plagianakos, DK Tasoulis, MN Vrahatis, “Recent computational intelligence techniques for gene
expression data classification”, In International Joint

Conference on Neural Networks, 2005.

90.

V.P. Plagianakos, D.K. Tasoulis, M.N. Vrahatis, “Hybrid Dimension Reduction Approach for Gene
Expression Data Classification”, International Joint Conference on Neural Networks 2005, Post
-
Conference
Workshop on Comput
ational Intelligence Approaches for the Analysis of Bioinformatics Data, 2005.

91.

DK Tasoulis, MN Vrahatis, “The new window density function for efficient evolutionary unsupervised
Clustering”, IEEE Congress on Evolutionary Computation, Vol. 3, pp. 23
88
-
2394, 2005.

92.

N.G. Pavlidis, D.K. Tasoulis, V.P. Plagianakos, C. Siriopoulos, M.N. Vrahatis, “Computational Intelligence
Methods for Financial Forecasting”, Proceedings of the International Conference of Computational Methods
in Sciences and Engineering (
ICCMSE 2005), Lecture Series on
Computer and Computational Sciences, T.E.
Simos, editor, Vol. 4, pages 1416
-
1419, 2005.

93.

DK Tasoulis, MN Vrahatis, “Unsupervised Clustering on Dynamic Databases”, Pattern Recognition Letters,
26(13), pp. 2116
-
2127, 2005.

94.

VP P
lagianakos, DK Tasoulis, MN Vrahatis, “Computational intelligence techniques for acute leukemia gene
expression data classification”,
Proceedings of IEEE International Joint Confere
nce on

Neural Networks

(IJCNN '05), vol. 4, pp.

2469
-
2474
, 2005.

95.

DK Tasoulis, VP Plagianakos, MN Vrahatis, “Unsupervised clustering in mRNA expression profiles”,
Computers in Biology and Medicine, Vol. 36, pp. 1126
-
1142, 2006.

96.

D.K. Tasoulis, M.N. Vraha
tis, “Unsupervised Clustering Using Fractal Dimension”, International Journal of
Biffurcation and Chaos, 16(7), pp. 2073
-
2079, 2006.

97.

NG Pavlidis, DK Tasoulis, VP Plagianakos, MN Vrahatis, “Computational Intelligence Methods for Financial
Time Series Modeli
ng”, Journal of Biffurcation and Chaos, 16(7), pp. 2053
-
2062, 2006.

98.

D.K. Tasoulis, D. Zeimpekis, E. Gallopoulos, M.N. Vrahatis, “Oriented k
-
windows: A PCA driven clustering
method”, 2nd Workshop on Algorithmic Techniques for Data Mining, Lecture Notes in C
omputer Science,
2006.

99.

D.K. Tasoulis, E.C. Laskari, G.K. Meletiou, M.N. Vrahatis, “Privacy Preserving Unsupervised Clustering
over Vertically Partitioned Data”, International Conference on Computational Science and Its Appications
-

ICCSA, Lecture Notes
in Computer Science series, 3984, pp. 635
-
643, 2006.

100.

D.K. Tasoulis, P. Spyridonos, N.G. Pavlidis, V.P. Plagianakos, P. Ravazoula, G. Nikiforidis, MN Vrahatis,
“Cell
-
nuclear data reduction and prognostic model selection in bladder tumor recurrence”, Artif
icial
Intelligence in Medicine, in press, 2006.

101.

D.K. Tasoulis, M.N. Vrahatis, “Generalizing the k
-
Windows Clustering Algorithm in Metric Spaces”,
Mathematical and Computer Modelling, in press, 2007.

102.

DK Tasoulis, VP Plagianakos, MN Vrahatis, “
Computational
Intelligence Algorithms and DNA Microarrays
”,
Computational Intelligence in Bioinformatics
, book series:
Studies in Computational Intelligence
, Volume
94/2008, pp. 1
-
31, 2008.




Στην εργασία: P. Alevizos, B. Boutsinas, D. Tasoulis, M.N. Vrahatis, “Improving the Orthogonal Range Search k
-
windows Algorithm
”, από:


15

103.


Gautam Garai and B. B. Chaudhuri, A novel genetic algorithm for automatic cluster
ing, Pattern Recognition

Letters
, Volume 25, Issue 2, 19 January 2004, Pages 173
-
187.

104.

A.H. Pilevar and M. Sukumar, “GCHL: A grid
-
clustering algorithm for high
-
dimens
ional very large spatial
data bases”, Pattern Recognition Letters (2004) (in press).

105.

M. Rigou, S. Sirmakessis and A. Tsakalidis, “A Computational Geometry Approach to Web Personalization”,
IEEE International Conference on E
-
Commerce Technology (CEC'04), Ju
ly 06
-

09, 2004, San Diego,
California, pp.377
-
380.

106.

M. Rigou, S. Sirmakessis and G. Tzimas, “A method for personalized clustering in data intensive web
applications”, Conference on Hypertext and Hypermedia


Joint International Workshop on Adaptivity,
per
sonalization & the semantic web, 2006, Odense, Denmark, pp.35
-
40.

107.

NP Lin, CI Chang, HE Chueh, HJ Chen, WH Hao, “An adaptive crossover
-
imaged clustering algorithm”,
Proceedings of the 7th WSEAS International Conference on Simulation, Modelling and Optimizat
ion, Beijing,
China, pp. 213
-
218, 2007.

108.

N.P. Lin, C.
-
I Chang, N.
-
Y Jan, H
-
.E. Chueh, H.
-
J. Chen, W.
-
H. Hao, “An axis
-
shifted crossover
-
imaged
clustering algorithm”, WSEAS Transactions On Systems, 7(3), pp. 175
-
184, 2008.

109.

N.P. Lin, C.
-
I Chang, N.
-
Y Jan, H
-
.
E. Chueh, H.
-
J. Chen, W.
-
H. Hao, “A deflected grid
-
based algorithm for
clustering analysis”,

WSEAS Transactions On Computers, 7(4), pp. 125
-
132,2
008
.

110.


Rasha Kashef, “Cooperative Clustering Model and Its Applications”, PhD Thesis,
University of Waterloo
,
2008.


111.

Chung
-
I Chang;

Lin, N.P.;


A Crossover
-
Imaged Clustering Algorithm with Bottom
-
up Tree

Fifth
International

Conference

on
Fuzzy Systems and Knowledge Discovery

FSKD '08
,
pp.
327


331
,
2008.



Στην παραπάνω εργασία υπάρχουν επίσης 5 αναφορές από εργασίες, όπου κάποιοι συγγραφείς των

οποίων ε
ίναι
συνσυγγραφείς μου σε αυτήν:

112.

DK Tasoulis, VP Plagianakos, MN Vrahati
s, “Unsupervised clustering of bioinformatics data”, In European
Symposium on Intelligent Technologies, Hybrid Systems and their implementation on Smart Adaptive
Systems, Eunite, pp. 47
-
53, 2004.

113.

P Alevizos, DK Tasoulis, MN Vrahatis, “Parallelizing the uns
upervised k
-
windows clustering algorithm”,
Lecture Notes in Computer Science, 3019, pp. 225
-
232, 2004.

114.

DK Tasoulis, MN Vrahatis, “Unsupervised Clustering on Dynamic Databases”, Pattern Recognition Letters,
26(13), pp. 2116
-
2127, 2005.

115.

DK Tasoulis, VP Plagi
anakos, MN Vrahatis, “Clustering in evolutionary algorithms to efficiently compute
simultaneo
usly local and global minima”,
Congress on Evolutionary Computation (CEC 2005), , vol. 2, pp.
847
-
1854, 2005.

116.

NG Pavlidis, DK Tasoulis, VP Plagianakos, MN Vrahatis
, “Computational Intelligence Methods for Financial
Time Series Modeling”, Journal of Biffurcation and Chaos, 16(7), pp. 2053
-
2062, 2006.



Στην εργασία: D.K. Tasoulis, P. Alevizos, B. Boutsinas, M.N. Vrahatis, “Parallel unsupervised k
-
windows: an
efficie
nt parallel clustering algorithm”
από

(
εργασίες

όπου

κάποιοι

συγγραφείς

των

οποίων

είναι

συνσυγγραφείς

μου

σε

αυτήν
)
:

117.

Tasoulis DK, Vrahatis MN., “Unsupervised clustering on dynamic databases”, Pattern Recognition Letters, 26
(13), pp. 2116
-
2127, 2005.

118.

DK

Tasoulis, MN Vrahatis, “Novel Approaches to Unsupervised Clustering Through the k
-
Windows
Algorithm”, Knowledge Mining: Series Studies in Fuzziness and Soft Computing, Series: Studies in Fuzziness
and Soft Computing, Vol. 185, pp. 51
-
78, S. Sirmakessis (E
d.) 2005.

119.

DK Tasoulis, VP Plagianakos, MN Vrahatis, “Clustering in Evolutionary Algorithms to Efficiently Compute
Simultaneously Local and Global Minima”, Congress on Evolutionary Computation (CEC 2005), vol. 2, pp.
847
-
1854, 2005.


Στην εργασία: B. Bouts
inas, I.X. Tsekouronas, “Splitting data in decision trees using the new 'False
-
Positives'
criterion”,
από
:

120.

D.B. Panagiotakos and G. Dedoussis, “Classification Trees in Determining Health Outcomes, Using Genetic
Information”, Advances and Applications in St
atistics, 7(2), pp. 303
-
311, 2007.

121.

DING Shun
-
li, HONG Yun
-
de, YUAN Jing
-
bo, “Decision Tree Algorithms Based on a One
-
Way Analysis of
Variance”,
(in Chinese),
Computer Engineering & Science,
29
(1
0
), 2007.



Στην εργασία: B. Boutsinas, “Accessing Data Mining

Rules through Expert Systems'' από:

122.

C.A. Magni, S. Malagoli, G. Mastroleo, “An alternative approach to firms' evaluation: Expert systems and
fuzzy logic”, International Journal of Information Technology & Decision Making, 5 (1), pp. 195
-
225, 2006.

123.

C.A. M
agni, “Rating and ranking firms with fuzzy expert systems: the case of Camuzzi”, MPRA Munich
Personal RePEc Archive,
http://mpra.ub.uni
-
muenchen.de/5646/
, 2007.

124.

Y
.

Liu
,
J
.

Feng
,
J
.

Yin
, “The Incremental Mining Of Constrained Cube Gradients
”, International Journal of
Information Technology & Decision Making, 6(2
), 2007, pp. 253
-
278.

125.

Y. Zhang, L.
-
L. Zhang, Y. Liu, Y. Shi, “Mining intelligent knowledge from a two
-
phase association rules
mining”, International Journal of Data Mining, Modelling and Management, 2(4), pp. 403
-
419, 2010.


Στην εργασία: B. Boutsinas, D.
Tasoulis, M.N. Vrahatis, “Estimating the number of clusters using a windowing
technique” από:

126.

T
-
C. Jee, H. Lee, Y. Lee, “Shrinking Number of Clusters by Multi
-
Dimensional Scaling”, International
Journal of Information Technology & Decision Making, 5 (1),
pp. 195
-
225, 2006.

127.

L. Jing, J. Li, M.K. Ng, Y. Cheung, “SMART: a subspace clustering algorithm that automatically identifies
the appropriate number of clusters”, International Journal of Data Mining, Modelling and Management, Vol.
1, No. 2, pp. 149
-
177, 20
09.


16

128.

P. Kang, S. Cho, “
A hybrid novelty score and its use in keystroke dynamics
-
based user authentication
”,
Pattern Recognition, 42(11), pp. 3115
-
3127, 2009.

129.

Y
.

Zhang, L
.

Zhang, Y
.

Liu, Y
.

Shi
, “
Mining intelligent knowledge from a two
-
phase association rules
mining”, International Journal of Data Mining, Modelling and Management, 2(4), pp. 403
-
419,2010


Στην εργασία: H. Kostakis, C. Sarigiannidis, Β. Βoutsinas, K. Varvakis, V. Ta
mpakas, “Integrating Activity
-
Based
Costing with Simulation Techniques and Data Mining”, από:

130.

K.K. Kwong, W. Fok, T. Kwong, D. Fok, “Knock Out Discount Accumulator (KODA): A Case Study of
Hong Kong Shanghai Bank Accumulator Contract

, Proceedings of SWDSI

2009.


Στην εργασία: B. Boutsinas, S. Athanasiadis, “On Merging Classification Rules”, από:

131.

W. Zhang
,
T. Yoshida
,
X. Tang
, “Di
stribution of Multi
-
Words in Chinese and English Documents”,
International Journal of Information Technology & Decision Making,
Vol. 8,
Issue 2
, pp. 249
-
265, 2009.

132.

Y. SHI
, “Current Research Trend: Information Technology and Decision Making in 2008”, International
Journal of Information Technology &
Decision Making,
Vol. 8,
1
, pp. 1
-
5, 2009.

133.

Y
.

Zhang,
,

P
.

Zhang, L
.

Zhang, Y
.

Shi,

Knowledge extractio
n from multiple criteria linear programming
classification approach

, Procedia Computer Science, Volume 1, Issue 1, ICCS 2010,
pp.
2441
-
2448,
2010.

134.

Philippe Baecke
,
Dirk Van den Poel
, “
Improving purchasing behavior predictions by data augmenta
tion with
sit
uational variables”, Working Paper,
Ghent University
, 2010.


Στην εργασία: N. Mastroyannis, B. Boutsinas, I. Giannikos, “A method for improving the accuracy of data mining
classification algorithms based on outranking relations”, από:

135.

C.
-
H. Cheng, D. Huo,

X. Zhang, W. Dai, P.G.
Maropoulos, “Large Volume Metrology Process Model:
Measurability Analysis with Integration of Metrology Classification Model and Feature
-
Based Selection
Model”, Proceedings of the 6th CIRP
-
Sponsored International Conference on Digit
al Enterprise Technology,
pp. 1013
-
1026, 2010.

136.

Huy Nguyen Anh Pham, Evangelos Triantaphyllou, “A meta
-
heuristic approach for improving the accuracy in
some classification algorithms”, Computers & Operations Research, 38(1), pp. 174
-
189, 2011.




Στην εργασ
ία: H. Kostakis, B. Boutsinas, D.B. Panagiotakos, L. Kounis, “A Computational algorithm for the risk
assessment of developing Acute Coronary Syndromes, using OLAP (On Line Analytical Process) methodology” ,
από:

137.

E. Rakus
-
Andersson, L.C. Jain, “
Computational Intelligence in Medical Decisions Making
”,
Studies in
Computational Intelligence
, V
ol. 222, 2009, pp.145
-
159.

138.

T.A. Jilani, H. Yasin, M. Yasin, C. Ardil, “Acute Coronary Syndrome Prediction Using Data Mining
Techniques
-

An Application”, International Journal of Computational Intelligence, 5:4 2009, pp.295
-
299.

139.

I
.
Bichindaritz

and L. Jain, "
Advances in Computational Intelligence in Healthcare
", Studies in Computational
Intelligence
-

Advanced Computation
al Intell
igence Paradigms in Healthcare 4
, vol. 3
09
,
I. Bichindaritz, S.
Vaidya, A. Jain, and L. Jain

(eds.), Springer Berlin / Heidelberg, pp. 3
-
7
,

2010
.

140.

S. Brahnam, and L. Jain, "Intelligent Decision Support Systems in Healthcare", Studies in Computation
al
Intelligence
-

Advanced Computational Intelligence Paradigms in Healthcare 5, vo
l. 326, S. Brahnam, and L.
Jain

(eds.), Springer Berlin / Heidelberg, pp. 3
-
10,

2011.


Στην εργασία:
B. Boutsinas, T. Papastergiou, “On clustering tree structured data with
categorical nature”

από:

141.

B. Li, Y. Liu, and M. Liu, "Adjusting the Clustering Results Referencing an External Set", LNCS 6146,
Advances in Swarm
Intelligence, pp. 634
-
640, 2010.


Στην εργασία:
B. Boutsinas, G. Prassas, G. Antzoulatos, “A methodology for
scaling up classification algorithms”

από:

142.

G.
-
Y. ZHANG
,
G. GUO
,
J.
-
S ZHANG
, “SVR+RVR: A Robust Sparse Kernel Method For Regress
ion”,
International Journal on Artificial Intelligence Tools
,

19(5), pp. 627
-
645, 2010.



E
πίσης
,
διάφορες

από

τις

παραπάνω

εργασίες

περιλαμβάνονται

στις

ηλεκτρονικές

βιβλιοθήκες
:
Computer

Vision

Bibliography

(
http
://
iris
.
usc
.
edu
/
Vision
-
Notes
/
bibliography
/
contents
.
html
),
Computer

Science

Bibliography

(
http
://
dblp
.
uni
-
trier
.
de
/
),
ResearchIndex

(
http
://
www
.
neci
.
nec
.
com
/~
lawrence
/
researchindex
.
html
),
ACM

Portal

(
http
://
portal
.
acm
.
org
),
World
'
s

Largest

Reuse

Bibliography

(
http
:/
/
www
.
lombardhill
.
com
/
biblio
1.
html
)
, Institution of Electrical
Engineers
-
Science Abstracts (
http
://
www
.
iee
.
org
/
Publish
/
Inspec
/
index
.
cfm
)
,
Zentralblatt MATH Database 1931

2005 (
http
://
zmath
.
u
-
strasbg
.
fr
/
math
-
cgi
-
bin
/
zmen
/
ZMATH
/
en
/
full
.
html
?
first
=1&
maxdocs
=3&
au
=
Boutsinas
%2
C
+
B
&
type
=
pdf
&
format
=
short
).




17

Διπλώματα Ευρ
εσιτεχνίας

1.

Β. Βουτσινάς,
Θ
.
Γναρδέλης
, «A SYSTEM AND METHOD FOR
DATA MINING FROM RELATIONAL DATABASES USING A
HYBRID NE
URAL
-
SYMBOLIC SYSTEM», ΟΒΙ
1004
748