顶部
收藏

大数据计算理论基础


作者:
陈国良 陆克中 毛睿 廖好 周明洋 刘刚 李廉
定价:
35.00元
ISBN:
978-7-04-047764-1
版面字数:
150千字
开本:
16开
全书页数:
暂无
装帧形式:
精装
重点项目:
暂无
出版时间:
2017-10-09
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机类专业核心课程
三级分类:
计算机导论

本书研究大数据的计算理论基础,重点讲述P类和NP类问题的并行和交互式计算方法。即在大数据的场景下,对于P类问题,为了提高求解速度可以采用并行的方法;对于NP类问题,为了提高解的质量可以采用交互的方法。

全书内容包括大数据的泛构理论(第三章),并行NC类计算、LNC类以及LL类计算(第四章),IP类计算和NC类函数逼近方法(第五章),同时对于大数据价值问题(第六章)进行讨论,为了便于阅读和学习,提供了预备知识绪论(第一章)和图灵机及复杂类问题介绍(第二章)。

本书框架清晰,内容翔实,对于一些经典问题有详细的证明,可作为高等学校计算机、计算数学以及相关专业的本科高年级学生和研究生的教学用书,亦可供从事高性能并行计算相关工作的科技人员阅读参考。

  • 前辅文
  • 第一章 绪论
    • 1.1 大数据介绍
      • 1.1.1 大数据浪潮汹涌澎湃
      • 1.1.2 什么是大数据
      • 1.1.3 大数据引领社会、经济和科技的发展
    • 1.2 计算理论简介
      • 1.2.1 可计算理论
      • 1.2.2 计算复杂性度量
      • 1.2.3 计算复杂类问题
    • 1.3 大数据计算框架
      • 1.3.1 大数据的泛构
      • 1.3.2 大数据划分原理
      • 1.3.3 大数据计算
  • 第二章 图灵机与复杂度分类
    • 2.1 确定型图灵机
    • 2.2 非确定型图灵机
    • 2.3 可计算性
      • 2.3.1 可计算性定义与特性
      • 2.3.2 可计算性理论的发展与意义
      • 2.3.3 丘奇-图灵论题
      • 2.3.4 不可计算性
    • 2.4 计算复杂性理论
      • 2.4.1 计算复杂性的发展
      • 2.4.2 计算复杂性
      • 2.4.3 形式语言
      • 2.4.4 时间复杂度
      • 2.4.5 空间复杂度
      • 2.4.6 复杂度的分层
    • 2.5 问题复杂性
      • 2.5.1 问题的形式化描述
      • 2.5.2 P类和NP类
      • 2.5.3 NP完全问题
  • 第三章 大数据泛构
    • 3.1 大数据泛构的基本概念
      • 3.1.1 应用软件获取高性价比的关键
      • 3.1.2 大数据的度量空间表示
      • 3.1.3 度量空间数据处理的基本法则
    • 3.2 支撑点空间模型
      • 3.2.1 支撑点空间
      • 3.2.2 完全支撑点空间
      • 3.2.3 采用欧几里得距离时的距离伸缩情况
    • 3.3 大数据基于距离的划分
      • 3.3.1 超平面划分
      • 3.3.2 球形划分
      • 3.3.3 划分方法的统一
  • 第四章 大数据P类计算问题
    • 4.1 大数据的并行NC计算
      • 4.1.1 并行复杂性理论
      • 4.1.2 NC计算和LNC计算
      • 4.1.3 NC计算实例
    • 4.2 P类问题快速近似计算
    • 4.3 P类问题近似计算实例
  • 第五章 大数据NP类计算问题
    • 5.1 NP复杂类近似计算
    • 5.2 近似归约
      • 5.2.1 精确归约
      • 5.2.2 近似归约
    • 5.3 交互式证明系统与交互式计算
      • 5.3.1 交互式证明系统
      • 5.3.2 交互式计算
      • 5.3.3 参数形式的交互式计算模型
    • 5.4 交互式计算实例
  • 第六章 大数据价值初探
    • 6.1 大数据认知
    • 6.2 数据价值
    • 6.3 大数据价值定理
    • 6.4 传播下的信息价值递减
      • 6.4.1 传播模型的介绍(广告模型)
      • 6.4.2 信息传播的构建
      • 6.4.3 信息网络的模拟及评价
      • 6.4.4 网络重构的预测
  • 后记

相关图书