| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 致谢 | 第10-12页 |
| 目录 | 第12-16页 |
| 第一章 绪论 | 第16-46页 |
| ·特征选择方法综述 | 第16-26页 |
| ·有关特征选择的一些概念 | 第17-19页 |
| ·特征选择方法的分类综述 | 第19-26页 |
| ·按搜索策略划分特征选择算法 | 第20-24页 |
| ·按特征集合评价策略划分特征选择算法 | 第24-26页 |
| ·基于支持向量机的特征选择方法 | 第26-42页 |
| ·支持向量机的相关知识介绍 | 第27-38页 |
| ·支持向量机基本理论 | 第27-30页 |
| ·用于两类分类的支持向量机 | 第30-35页 |
| ·基于支持向量机的多类分类器构造 | 第35-38页 |
| ·基于支持向量机和启发式搜索策略的特征选择方法 | 第38-42页 |
| ·本文立题依据及主要内容 | 第42-46页 |
| 第二章 基于遗传算法选择模型参数的非线性SVM-RFE特征选择算法 | 第46-64页 |
| ·引言 | 第46-47页 |
| ·问题描述 | 第47-49页 |
| ·基于遗传算法选择模型参数的非线性SVM-RFE算法 | 第49-54页 |
| ·模型参数种群初始化 | 第51-52页 |
| ·模型适应度函数定义 | 第52-53页 |
| ·遗传操作数选取 | 第53-54页 |
| ·实验结果 | 第54-63页 |
| ·乳腺癌(BC)数据集的测试结果 | 第54-57页 |
| ·急性淋巴癌(AML／ALL)数据集的测试结果 | 第57-62页 |
| ·结果分析 | 第62-63页 |
| ·结论 | 第63-64页 |
| 第三章 基于自适应核宽度策略的非线性SVM-RFE算法 | 第64-74页 |
| ·引言 | 第64页 |
| ·问题描述 | 第64-65页 |
| ·基于自适应核宽度策略的非线性SVM-RFE算法 | 第65-68页 |
| ·实验结果 | 第68-73页 |
| ·小圆蓝细胞癌(SRBC)数据集的测试结果 | 第68-69页 |
| ·急性淋巴癌(AML／ALL)数据集的测试结果 | 第69-72页 |
| ·核参数及其它实验状况 | 第72-73页 |
| ·结论 | 第73-74页 |
| 第四章 基于加速支持向量机回归特征消去方法的关键变量辩识 | 第74-86页 |
| ·引言 | 第74-75页 |
| ·支持向量机回归特征消去方法改进 | 第75-78页 |
| ·原始支持向量机回归特征消去方法分析 | 第75-76页 |
| ·支持向量机回归特征消去方法的加速算法 | 第76-78页 |
| ·实验结果 | 第78-85页 |
| ·TEP过程故障5案例分析 | 第80-82页 |
| ·TEP过程故障2案例分析 | 第82-85页 |
| ·结论 | 第85-86页 |
| 第五章 基于SVM-RFE特征选择方法的多类决策机器构造及其应用 | 第86-100页 |
| ·引言 | 第86-88页 |
| ·基于SVM-RFE特征选择方法的多类决策机器 | 第88-92页 |
| ·多类支持向量机特征选择方法 | 第88-89页 |
| ·模糊支持向量机模型参数选择方法 | 第89-92页 |
| ·模糊支持向量机 | 第89-90页 |
| ·非线性核支持向量机模型参数选择 | 第90-92页 |
| ·实验结果 | 第92-99页 |
| ·结论 | 第99-100页 |
| 第六章 基于特征选择算法的支持向量机组合分类器构造及其应用 | 第100-108页 |
| ·引言 | 第100-101页 |
| ·基于分类器选择技术的组合分类器构造 | 第101-102页 |
| ·实验结果 | 第102-106页 |
| ·结论 | 第106-108页 |
| 第七章 结束语 | 第108-112页 |
| ·全文工作总结 | 第108-109页 |
| ·未来工作展望 | 第109-112页 |
| 参考文献 | 第112-128页 |
| 附录 | 第128-129页 |
