| 中文摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究目的和意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-15页 |
| 1.3 研究内容和主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 特征选择基本概述 | 第17-25页 |
| 2.1 特征选择基本概述 | 第17页 |
| 2.2 特征选择的基本过程 | 第17-22页 |
| 2.2.1 特征子集生成 | 第18-20页 |
| 2.2.2 特征子集评价标准 | 第20-22页 |
| 2.2.3 终止条件 | 第22页 |
| 2.2.4 结果验证 | 第22页 |
| 2.3 常用的特征选择算法 | 第22-24页 |
| 2.3.1 过滤式模型的特征选择算法 | 第23页 |
| 2.3.2 封装式模型的特征选择算法 | 第23-24页 |
| 2.3.3 混合式模型的特征选择算法 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于类别相关度和潜在语义索引的两阶段特征选择算法 | 第25-31页 |
| 3.1 文本分类特征选择算法 | 第25-26页 |
| 3.2 潜在语义索引算法简介 | 第26-27页 |
| 3.3 两阶段的特征选择算法 | 第27-28页 |
| 3.4 实验结果和分析 | 第28-30页 |
| 3.4.1 数据集 | 第28页 |
| 3.4.2 结果和分析 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于群体智能的特征选择算法 | 第31-41页 |
| 4.1 群体智能算法简介 | 第31页 |
| 4.2 基于粒子群算法的特征选择算法 | 第31-35页 |
| 4.2.1 粒子群算法简介 | 第31-32页 |
| 4.2.2 改进的粒子群算法实现过程 | 第32-35页 |
| 4.3 基于蚁群算法的特征选择算法 | 第35-38页 |
| 4.3.1 蚁群算法简介 | 第35页 |
| 4.3.2 蚁群算法实现过程 | 第35-38页 |
| 4.4 基于鱼群算法的特征选择算法 | 第38-39页 |
| 4.4.1 鱼群算法简介 | 第38页 |
| 4.4.2 自适应的鱼群算法实现过程 | 第38-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第五章 基于mRMR和HIPA的两阶段特征选择算法 | 第41-52页 |
| 5.1 最大相关最小冗余特征选择算法 | 第41-42页 |
| 5.2 一种基于改进的粒子群和蚁群的混合特征选择算法 | 第42-43页 |
| 5.3 两阶段特征选择算法 | 第43-45页 |
| 5.3.1 基于mRMR的过滤式模型特征选择算法在第一阶段 | 第43-44页 |
| 5.3.2 基于HIPA的封装式模型特征选择算法在第二阶段 | 第44-45页 |
| 5.4 实验结果和分析 | 第45-51页 |
| 5.4.1 数据集 | 第45-46页 |
| 5.4.2 实验环境和参数设置 | 第46页 |
| 5.4.3 实验结果和分析 | 第46-50页 |
| 5.4.4 不同方法在WBCD数据集上的比较基于SVM分类器 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 基于mRMR和HPIF的两阶段特征选择算法 | 第52-57页 |
| 6.1 一种基于改进的粒子群和自适应鱼群的混合特征选择算法 | 第52-53页 |
| 6.2 两阶段特征选择算法 | 第53-54页 |
| 6.3 实验结果和分析 | 第54-56页 |
| 6.3.1 数据集和算法参数 | 第54页 |
| 6.3.2 实验结果和分析 | 第54-56页 |
| 6.4 本章小结 | 第56-57页 |
| 第七章 总结和展望 | 第57-60页 |
| 7.1 总结 | 第57-58页 |
| 7.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 在学期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
