Feature selection for data and pattern recognition

این کتاب پژوهشی مجموعه‌ای از متون با کیفیت بالا را که به پیشرفت فعلی، پیشرفت‌های جدید و روندهای تحقیقاتی در انتخاب ویژگی برای داده‌ها و تشخیص الگو اختصاص دارد، در اختیار خواننده قرار می‌دهد.

اگرچه برای مدتی موضوع مورد توجه بوده است، انتخاب ویژگی به دلیل اهمیت و ارتباط با مشکلات و وظایف دیگر یکی از راه‌های تحقیقاتی است که به طور فعال دنبال می‌شود.

این جلد به تعدادی از پیشرفت‌ها اشاره می‌کند که به طور موضعی به چهار بخش تقسیم می‌شوند: برآورد اهمیت ویژگی‌های مشخصه، ارتباط آنها، وابستگی‌ها، وزن و رتبه‌بندی. رویکرد مجموعه‌ای خشن برای کاهش ویژگی با تمرکز بر کاهش‌های نسبی. ساخت قوانین و ارزیابی آنها؛ و روش شناسی داده و دامنه محور.

This research book provides the reader with a selection of high-quality texts dedicated to current progress, new developments and research trends in feature selection for data and pattern recognition.

Even though it has been the subject of interest for some time, feature selection remains one of actively pursued avenues of investigations due to its importance and bearing upon other problems and tasks.

This volume points to a number of advances topically subdivided into four parts: estimation of importance of characteristic features, their relevance, dependencies, weighting and ranking; rough set approach to attribute reduction with focus on relative reducts; construction of rules and their evaluation; and data- and domain-oriented methodologies.