属性约简--一种启发式图搜索计算方法/厦门大学南强丛书
定 价：30 元
丛书名：厦门大学南强丛书
- 作者：施明辉 著
- 出版时间：2020/12/1
- ISBN：9787561579299
- 出 版 社：厦门大学出版社
- 中图法分类：TP301.6
- 页码：116
- 纸张：胶版纸
- 版次：1
- 开本：16开
该书聚焦大数据分析的关键问题——属性约简，详细阐释了作者提出的计算大型决策系统的所有最小属性约简的独特方法。
该方法巧妙地将属性约简的计算问题转化为图搜索问题，采用作者提出的一系列启发式搜索原则，有效处理了图搜索的组合爆炸问题，可发现大型决策系统的所有最小属性约简。
此外，该方法本质上处理了将大型合取范式转化为析取范式的问题，因此可适用于属性约简之外的广泛应用领域。
该书既有通俗易懂的直观解释，也有严密的理论证明，循序渐进地阐释了算法的设计思路。这不仅能够让读者容易理解该书介绍的属性约简方法，而且对创建新算法也有启迪意义。
本书聚焦属性约简问题，详细阐释了笔者提出的计算属性约简的独特方法。 该方法巧妙地将属性约简的计算问题转化为图搜索问题，并采用一系列启发式搜索原则，有效处理了图搜索的组合爆炸问题。采用书中介绍的属性约简算法CARRDG，可高效计算出大型决策系统的所有属性约简。虽然算法CARRDG仅适用于结构完好的数据，但是非结构化、含有缺失值或存在不一致性的数据，经过预处理，转化为结构完好的数据后，也可以使用该算法。特别值得指出的是，本质上，算法CARRDG处理了将大型合取范式转化为析取范式的数理逻辑基本问题，因此可用于属性约简之外的广泛应用领域。
施明辉，现为厦门大学人工智能系副教授。2008年毕业于厦门大学，获理学博士学位；2014年12月至2015年12月，由国家留学基金委公派赴美国加州大学圣地亚哥分校访学。主持或参与多项福建省自然科学基金和国家自然科学基金资助项目。目前的研究方向主要涉及人工智能、机器学习、脑机接口等。以第一完成人发表学术论文40余篇、授权发明专利和软件著作权各1项，由美国IGI Global出版社以第三作者出版英文专著1部。
第一章 绪论
1.1 属性约简的直观阐释
1.1.1 示例
1.1.2 属性约简的思想
1.1.3 属性约简的意义
1.2 信息系统与决策系统
1.2.1 信息系统
1.2.2 决策系统
1.3 基于分辨矩阵的分辨函数
1.3.1 分辨属性与分辨属性集
1.3.2 分辨矩阵
1.3.3 基于分辨矩阵的分辨函数
1.4 本章小结
第二章 分辨函数的等价形式
2.1 基于分辨属性集簇的分辨函数
2.1.1 分辨属性集簇
2.1.2 相关算子与概念
2.1.3 基于分辨属性集簇的分辨函数
2.2 基于约简分辨属性集簇的分辨函数——约简分辨函数
2.2.1 约简分辨函数的基本思想
2.2.2 基本概念：成分算子、包含、可被吸收
2.2.3 约简分辨属性集簇
2.2.4 约简分辨函数
2.2.5 计算约简分辨属性集簇的算法CRF
2.3 约简分辨函数的析取范式形式
2.3.1 基于笛卡儿积的约简分辨函数的析取范式形式
2.3.2 挑战性问题
2.3.3 基于全析取项集ADIS的约简分辨函数的析取范式形式
2.3.4 ADIS中析取项的分类
2.3.5 约简析取项集RDIS与约简析取项的分类
2.3.6 压缩约简析取项集CRDIS与压缩约简析取项的分类
2.3.7 ADIS、RDIS与CRDIS的关系与相关性质
2.3.8 基于CRDIS的约简分辨函数的析取范式形式
2.4 本章小结
第三章 图搜索方法的基础理论
3.1 约简分辨图
3.1.1 图搜索方法计算属性约简的步骤
3.1.2 分辨子图
3.1.3 约简分辨子图
3.1.4 约简分辨图
3.2 约简分辨图路径的分类
3.2.1 路径及其相关表示方式
3.2.2 完整路径与全完整路径集ACPS
3.2.3 完整路径的吸收关系
3.2.4 ACPS中完整路径的分类
3.2.5 约简完整路径集RCPS与约简完整路径的分类
3.2.6 压缩约简完整路径集CRCPS
3.2.7 ACPS、RCPS与CRCPS的关系
3.2.8 CRCPS与属性约简的关系
3.3 本章小结
第四章 启发式搜索原则与搜索方案
4.1 图搜索的相关概念和符号
4.1.1 约简分辨图中与图搜索相关的概念和符号
4.1.2 路径延伸的概念和符号
4.2 启发式搜索原则及其直观解释
4.2.1 成员独占原则（MEP）
4.2.2 友人劝阻原则（FPP）
4.2.3 阻挡层阻挡原则（BLBP）
4.2.4 陌生人吸纳原则（SEP）
4.3 搜索方案及其理论依据
4.3.1 搜索方案类型
4.3.2 搜索方案的理论依据
4.4 本章小结
第五章 图搜索算法CARRDG与实验结果
5.1 基于约简分辨图计算属性约简的算法CARRDG
5.1.1 算法CARRDG的基本原理
5.1.2 算法CARRDG的实现过程
5.2 实验与结果分析
5.2.1 UCI机器学习数据库简介
5.2.2 性能指标：剪枝率与纯度
5.2.3 UCI数据集Zoo简介
5.2.4 数据集Zoo的约简分辨图
5.2.5 UCI数据集Zoo上的实验结果分析
5.2.6 六种UCI数据集的实验结果与分析
5.3 本章小结
参考文献
书单推荐
