| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 引言 | 第12-13页 |
| 第一章 数据挖掘概述 | 第13-18页 |
| ·数据挖掘概念 | 第13-14页 |
| ·数据挖掘的定义 | 第13-14页 |
| ·数据挖掘应用的现状 | 第14页 |
| ·数据挖掘任务及挑战 | 第14-17页 |
| ·高维数据挖掘 | 第15页 |
| ·海量数据挖掘 | 第15-16页 |
| ·流数据挖掘 | 第16-17页 |
| ·数据挖掘面临的挑战 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第二章 属性选择方法概述 | 第18-29页 |
| ·属性选择概述 | 第18-21页 |
| ·属性选择定义 | 第18-19页 |
| ·属性选择的分类 | 第19-20页 |
| ·属性选择的评估方法 | 第20页 |
| ·属性选择面临的困难 | 第20-21页 |
| ·经典属性选择方法概述 | 第21-27页 |
| ·Relief 方法 | 第21-22页 |
| ·主成分分析方法（PCA） | 第22-23页 |
| ·粗糙集合方法 | 第23-24页 |
| ·信息熵方法 | 第24-25页 |
| ·遗传算法 | 第25-26页 |
| ·One-R 方法 | 第26-27页 |
| ·Wrapper 方法 | 第27页 |
| ·属性选择方法实验及分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 INFORMATION VALUE 概述 | 第29-34页 |
| ·WoE（Weight of Evidence）简介 | 第29-30页 |
| ·WoE 的定义 | 第29页 |
| ·WoE 计算示例 | 第29-30页 |
| ·WoE 的优点 | 第30页 |
| ·IV（Information Value）简介 | 第30-33页 |
| ·IV 指标的定义 | 第30-31页 |
| ·IV 指标计算示例 | 第31-32页 |
| ·IV 指标的优点与不足 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于IV 指标的属性选择方法及分类模型研究 | 第34-44页 |
| ·基于 IV 的属性选择指标 | 第34页 |
| ·FS-IV 属性选择方法 | 第34-39页 |
| ·算法思想 | 第35页 |
| ·实验结果及分析 | 第35-39页 |
| ·实验分析 | 第39页 |
| ·基于 FS-IV 的随机森林算法 | 第39-42页 |
| ·随机森林简介 | 第39-40页 |
| ·随机森林讨论 | 第40页 |
| ·算法描述 | 第40-41页 |
| ·实验结果及分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 FS-IV 及 IV-RF 模型的应用研究 | 第44-52页 |
| ·入侵检测应用 | 第44-47页 |
| ·入侵检测数据集分析 | 第44-45页 |
| ·实验及分析 | 第45-47页 |
| ·网络交易数据流应用 | 第47-49页 |
| ·Yahoo Shopping 数据流分析 | 第48页 |
| ·实验结果及分析 | 第48-49页 |
| ·高维数据集上的应用 | 第49-51页 |
| ·高维数据集分析 | 第50页 |
| ·实验结果及分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·本文总结 | 第52页 |
| ·工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间参加研究的课题和发表的论文 | 第57-58页 |
