| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-31页 |
| 1.1 论文的选题背景及意义 | 第13-15页 |
| 1.2 特征选择概述 | 第15-18页 |
| 1.2.1 特征选择方法的基本流程 | 第15-16页 |
| 1.2.2 特征选择方法的选择类型 | 第16页 |
| 1.2.3 特征选择方法的研究内容 | 第16-17页 |
| 1.2.4 特征选择方法与优化的关系 | 第17-18页 |
| 1.3 特征选择技术的国内外研究现状 | 第18-26页 |
| 1.3.1 搜索策略的研究现状 | 第18-22页 |
| 1.3.2 评价方式的研究现状 | 第22-26页 |
| 1.4 研究中存在的主要问题 | 第26-27页 |
| 1.5 论文主要研究内容和组织结构 | 第27-31页 |
| 1.5.1 论文主要内容 | 第27-29页 |
| 1.5.2 论文结构安排 | 第29-31页 |
| 第2章 基于动态混合策略优化的特征选择方法 | 第31-46页 |
| 2.1 引言 | 第31-32页 |
| 2.2 GA演化搜索的基本条件 | 第32-34页 |
| 2.2.1 编码方式 | 第32页 |
| 2.2.2 适应度函数 | 第32-34页 |
| 2.3 基于动态混合策略寻优的特征选择算法 | 第34-39页 |
| 2.3.1 适用于特征搜索的两种变异策略 | 第35-36页 |
| 2.3.2 动态混合变异策略 | 第36-37页 |
| 2.3.3 算法描述 | 第37-39页 |
| 2.4 实验及结果分析 | 第39-45页 |
| 2.4.1 实验环境及实验数据 | 第39-40页 |
| 2.4.2 单一策略与混合策略的对比 | 第40-43页 |
| 2.4.3 混合策略与其他特征选择方法的比较 | 第43-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 基于关联信息熵度量的特征选择评价优化 | 第46-67页 |
| 3.1 引言 | 第46-47页 |
| 3.2 关联信息熵理论 | 第47-49页 |
| 3.2.1 形式化描述 | 第47页 |
| 3.2.2 互信息原理 | 第47-48页 |
| 3.2.3 关联信息熵理论 | 第48-49页 |
| 3.3 基于关联信息熵度量的特征选择算法 | 第49-54页 |
| 3.3.1 模型描述 | 第49-51页 |
| 3.3.2 特征排序算法CMFS | 第51-53页 |
| 3.3.3 自适应子集选择方法CMFS-η | 第53-54页 |
| 3.4 时间复杂度分析 | 第54页 |
| 3.5 实验及结果分析 | 第54-66页 |
| 3.5.1 实验设置 | 第54页 |
| 3.5.2 CMFS算法在中小规模数据中的结果分析 | 第54-58页 |
| 3.5.3 η参数的性能分析 | 第58-61页 |
| 3.5.4 CMFS与CMFS-η在高维数据中的表现 | 第61-64页 |
| 3.5.5 算法时间对比 | 第64-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第4章 基于V形二元粒子群的特征选择优化方法 | 第67-90页 |
| 4.1 引言 | 第67-68页 |
| 4.2 二元粒子群及其转换函数 | 第68-71页 |
| 4.2.1 二元粒子群 | 第68-69页 |
| 4.2.2 二元粒子群的转换函数 | 第69-71页 |
| 4.3 自适应的V形二元粒子群特征选择算法 | 第71-74页 |
| 4.3.1 编码方式 | 第71页 |
| 4.3.2 适应度函数 | 第71-73页 |
| 4.3.3 自适应子集选择算法VPFS | 第73-74页 |
| 4.4 实验及结果分析 | 第74-89页 |
| 4.4.1 实验环境和实验数据 | 第74-77页 |
| 4.4.2 转换函数和惯性系数的选取 | 第77-79页 |
| 4.4.3 四种统计学测试指标 | 第79-81页 |
| 4.4.4 VPFS在分类学习任务中的表现 | 第81-86页 |
| 4.4.5 数据压缩比与运行效率 | 第86-89页 |
| 4.5 本章小结 | 第89-90页 |
| 第5章 基于邻域关联信息熵度量的多标签特征选择方法 | 第90-102页 |
| 5.1 引言 | 第90-91页 |
| 5.2 多标签特征选择概述 | 第91-93页 |
| 5.2.1 多标签的形式化描述 | 第91页 |
| 5.2.2 多标签的评价指标 | 第91-93页 |
| 5.3 基于邻域关联信息熵度量的多标签特征选择算法 | 第93-96页 |
| 5.3.1 邻域互信息 | 第93-94页 |
| 5.3.2 邻域关联信息熵 | 第94-95页 |
| 5.3.3 特征排序算法NCM | 第95-96页 |
| 5.4 实验及结果分析 | 第96-100页 |
| 5.4.1 实验环境及实验数据 | 第96页 |
| 5.4.2 对比实验及结果分析 | 第96-100页 |
| 5.5 本章小结 | 第100-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-114页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第114-116页 |
| 致谢 | 第116页 |
