| 第1章 引言 | 第1-23页 |
| ·特征选择的研究意义 | 第12-14页 |
| ·特征选择的主要问题 | 第14-17页 |
| ·特征选择有效性判据 | 第14-15页 |
| ·特征选择的搜索策略 | 第15-17页 |
| ·特征选择的研究现状 | 第17-19页 |
| ·本文的研究内容及主要贡献 | 第19-21页 |
| ·本文内容安排 | 第21-23页 |
| 第2章 常用的特征选择方法 | 第23-30页 |
| ·前言 | 第23-24页 |
| ·PCA(Principal Component Analysis)特征选择方法 | 第24-26页 |
| ·LDA(Linear Discriminant Analysis)特征选择方法 | 第26-28页 |
| ·本章小节 | 第28-30页 |
| 第3章 基于Bayes错误率上界最小的特征选择方法 | 第30-61页 |
| ·前言 | 第30-32页 |
| ·Bayes分类错误率上界 | 第32-35页 |
| ·两类问题的Bayes错误率上界 | 第33-34页 |
| ·多类问题的Bayes错误率上界 | 第34-35页 |
| ·特征选择转换矩阵的求解 | 第35-41页 |
| ·结果空间下的Bayes错误率上界 | 第35-37页 |
| ·特征选择求解的微分公式 | 第37-38页 |
| ·迭代算法 | 第38-41页 |
| ·基于最小Bayes错误率上界的特征选择快速算法 | 第41-52页 |
| ·问题的提出 | 第41-42页 |
| ·PCA预处理有效性分析 | 第42-43页 |
| ·PCA预处理有效性的试验验证 | 第43-47页 |
| ·基于PCA预处理的快速算法 | 第47-48页 |
| ·典型数据上的试验验证及分析 | 第48-52页 |
| ·本文方法在手写体数字识别中的试验验证 | 第52-61页 |
| 第4章 基于类内类间分布图的可分性分析方法 | 第61-68页 |
| ·前言 | 第61-62页 |
| ·B-W分布图的原理 | 第62-64页 |
| ·B-W分布图的优势 | 第64页 |
| ·实例验证 | 第64-66页 |
| ·本章小节 | 第66-68页 |
| 第5章 总结与展望 | 第68-73页 |
| ·总结 | 第68-70页 |
| ·展望 | 第70-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录 | 第77-78页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第78页 |
