基于稀疏回归的特征选择研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状分析 | 第12-14页 |
| 1.2.1 无监督特征选择研究现状 | 第12-13页 |
| 1.2.2 代价敏感特征选择的现状 | 第13页 |
| 1.2.3 稀疏回归的研究现状 | 第13-14页 |
| 1.3 本文的主要内容和组织结构 | 第14-15页 |
| 第2章 背景知识 | 第15-25页 |
| 2.1 稀疏回归问题 | 第15-17页 |
| 2.1.1 稀疏回归的一般定义 | 第15-16页 |
| 2.1.2 常用的矩阵范数 | 第16-17页 |
| 2.2 特征选择理论 | 第17-19页 |
| 2.2.1 特征选择的基本方法 | 第17-18页 |
| 2.2.2 传统的特征选择方法 | 第18-19页 |
| 2.3 无监督特征选择问题 | 第19-21页 |
| 2.3.1 传统的无监督特征选择 | 第19-20页 |
| 2.3.2 基于稀疏回归的无监督特征选择 | 第20-21页 |
| 2.3.3 无监督特征选择的评价指标 | 第21页 |
| 2.4 代价敏感特征选择问题 | 第21-23页 |
| 2.4.1 现存的代价敏感特征选择的一般做法 | 第22页 |
| 2.4.2 代价敏感特征选择的评价指标 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 基于最大角度的无监督特征选择 | 第25-41页 |
| 3.1 基于自我表示的无监督特选择 | 第25-27页 |
| 3.1.1 自我表示模型 | 第25-26页 |
| 3.1.2 基于自我表示的无监督特征选择 | 第26-27页 |
| 3.2 基于最大角度的无监督特征选择 | 第27-32页 |
| 3.2.1 核函数 | 第27-28页 |
| 3.2.2 算法动机与目标函数 | 第28-30页 |
| 3.2.3 迭代求解目标函数 | 第30-31页 |
| 3.2.4 收敛性分析 | 第31-32页 |
| 3.2.5 时间复杂度分析 | 第32页 |
| 3.3 实验分析 | 第32-39页 |
| 3.3.1 实验数据和实验设置 | 第33-34页 |
| 3.3.2 可视化实验 | 第34-35页 |
| 3.3.3 对比试验 | 第35-37页 |
| 3.3.4 参数敏感性分析 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于流形学习和稀疏回归的代价敏感特征选择 | 第41-51页 |
| 4.1 流形学习方法介绍 | 第41-44页 |
| 4.1.1 等度量映射 | 第42页 |
| 4.1.2 局部线性嵌入 | 第42-43页 |
| 4.1.3 局部保持投影 | 第43-44页 |
| 4.2 基于流形学习和稀疏回归的代价敏感特征选择 | 第44-46页 |
| 4.2.1 问题定义与设置 | 第44页 |
| 4.2.2 目标函数和算法 | 第44-46页 |
| 4.3 实验分析 | 第46-50页 |
| 4.3.1 实验数据和实验设置 | 第46-47页 |
| 4.3.2 实验结果分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51页 |
| 5.2 进一步展望 | 第51-53页 |
| 参考文献 | 第53-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间取得的科研成果 | 第63页 |
