| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-10页 |
| ·特征子集选择问题 | 第8-9页 |
| ·微阵列数据基因选择 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·研究意义与目标 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第二章 特征降维理论基础 | 第13-24页 |
| ·类别可分离性判据 | 第13-17页 |
| ·基于类内类间距离的可分性判据 | 第14-15页 |
| ·基于概率距离判据的可分性判据 | 第15-16页 |
| ·基于熵函数的可分性判据 | 第16-17页 |
| ·特征选择 | 第17-20页 |
| ·最优搜索 | 第18页 |
| ·次优搜索 | 第18-20页 |
| ·特征排序 | 第20-21页 |
| ·特征提取 | 第21-23页 |
| ·主成分分析 | 第21-22页 |
| ·Fisher 鉴别分析 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 聚类分析 | 第24-30页 |
| ·聚类算法介绍 | 第24页 |
| ·聚类算法分类 | 第24-27页 |
| ·层次聚类方法 | 第24-25页 |
| ·划分式聚类算法 | 第25-26页 |
| ·基于网格和密度的聚类算法 | 第26页 |
| ·其他聚类算法 | 第26-27页 |
| ·聚类有效性的判断规则 | 第27-29页 |
| ·误差平方和准则 | 第27页 |
| ·相关的最小方差准则 | 第27-28页 |
| ·散布准则 | 第28页 |
| ·DB Index 准则 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第四章 一种基于特征分类的特征选择方法 | 第30-38页 |
| ·度量公式定义及分析 | 第30-32页 |
| ·关于矩阵A 和数组W 值的确定 | 第31页 |
| ·学习算法 | 第31-32页 |
| ·实验描述和分析 | 第32-37页 |
| ·实验步骤描述 | 第33页 |
| ·实验过程及结果 | 第33-36页 |
| ·针对类别中特征选择的进一步分析 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第五章 一种基于双聚类的特征选择方法 | 第38-46页 |
| ·BARTHELEMY-MONTJARDET DISTANCE | 第38页 |
| ·特征选择过程 | 第38-40页 |
| ·DB Index 值的确定过程 | 第39页 |
| ·选择某个特征的判断规则 | 第39-40页 |
| ·特征相关性分析 | 第40页 |
| ·基于双聚类无监督的特征选择算法 | 第40-45页 |
| ·实验过程及结果 | 第41-45页 |
| ·小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第53页 |