| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 数据挖掘产生的背景及特点 | 第9-10页 |
| 1.2 数据挖掘在现代领域的应用及挑战 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 2 数据挖掘中的相关技术 | 第12-21页 |
| 2.1 数据标准化和缺失值处理 | 第12-13页 |
| 2.2 特征选择和特征提取 | 第13-16页 |
| 2.2.1 特征选择 | 第13-14页 |
| 2.2.2 特征提取 | 第14-16页 |
| 2.3 分类技术 | 第16-20页 |
| 2.3.1 最近邻方法 | 第16-17页 |
| 2.3.2 决策树方法 | 第17-18页 |
| 2.3.3 多类问题 | 第18-20页 |
| 2.4 可视化技术 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于相关性度量和SVM-RFE的特征选择方法C-SVM-RFE | 第21-39页 |
| 3.1 基于支持向量机的递归特征消除方法 | 第21-23页 |
| 3.2 模拟退火方法与相关性度量 | 第23-25页 |
| 3.3 信息考察特征集合 | 第25页 |
| 3.4 C-SVM-RFE方法 | 第25-27页 |
| 3.5 C-SVM-RFE的实验设置和结果 | 第27-37页 |
| 3.5.1 数据集描述和参数设定 | 第27-29页 |
| 3.5.2 实验结果及讨论 | 第29-30页 |
| 3.5.3 特征选择分析 | 第30-37页 |
| 3.6 本章小结 | 第37-39页 |
| 4 TSP-OA-SVM-RFE综合特征评价的特征选择方法 | 第39-47页 |
| 4.1 多重角度的特征评价方法 | 第39-40页 |
| 4.2 重叠区域权值考察特征 | 第40-41页 |
| 4.3 对变量关系评价方法 | 第41-43页 |
| 4.4 TSP-OA-SVM-RFE方法 | 第43-44页 |
| 4.5 TSP-OA-SVM-RFE实验和结果 | 第44-46页 |
| 4.5.1 数据集和参数设定 | 第44-45页 |
| 4.5.2 实验结果及讨论 | 第45-46页 |
| 4.6 两个方法之间的对比 | 第46页 |
| 4.7 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |