基于信息粒化的特征选择算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-27页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 特征选择技术 | 第13-22页 |
| 1.2.1 特征选择相关概念 | 第13-14页 |
| 1.2.2 特征选择过程 | 第14-19页 |
| 1.2.2.1 搜索策略 | 第15-16页 |
| 1.2.2.2 评价准则 | 第16-17页 |
| 1.2.2.3 单标记特征子集的结果验证 | 第17-18页 |
| 1.2.2.4 多标记特征子集的结果验证 | 第18-19页 |
| 1.2.3 研究现状 | 第19-22页 |
| 1.3 本文主要研究内容 | 第22-24页 |
| 1.3.1 课题来源 | 第22-23页 |
| 1.3.2 主要研究内容 | 第23-24页 |
| 1.4 论文组织结构 | 第24-27页 |
| 第2章 相关基础 | 第27-35页 |
| 2.1 样本粒化 | 第27-33页 |
| 2.1.1 邻域粗糙集 | 第29-30页 |
| 2.1.2 邻域信息理论 | 第30-31页 |
| 2.1.3 大间隔 | 第31-33页 |
| 2.2 特征粒化：Subspace技术 | 第33-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第3章 基于特征质量的特征选择算法 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 相关内容 | 第35-38页 |
| 3.2.1 信息理论 | 第35-37页 |
| 3.2.2 特征质量的度量 | 第37-38页 |
| 3.3 基于特征质量的特征选择模型 | 第38-41页 |
| 3.3.1 最大近邻 | 第38-39页 |
| 3.3.2 最大近邻熵和特征的质量 | 第39-40页 |
| 3.3.3 MCE算法 | 第40-41页 |
| 3.4 实验结果 | 第41-46页 |
| 3.4.1 实验数据集与环境设置 | 第42页 |
| 3.4.2 实验结果及讨论 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于最大近邻粗糙逼近的特征选择算法 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 基于粗糙逼近的特征选择模型 | 第47-51页 |
| 4.2.1 基于最大近邻粗糙逼近 | 第47-49页 |
| 4.2.2 MNNRS算法 | 第49-51页 |
| 4.3 实验结果 | 第51-53页 |
| 4.3.1 实验数据集与环境设置 | 第51页 |
| 4.3.2 实验结果及讨论 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 基于局部子空间的特征选择算法 | 第55-75页 |
| 5.1 引言 | 第55-57页 |
| 5.2 一种启发式的局部随机特征选择算法 | 第57-62页 |
| 5.2.1 启发式的局部随机特征选择模型 | 第57-58页 |
| 5.2.2 实验结果 | 第58-62页 |
| 5.2.2.1 实验数据集与实验环境 | 第58-59页 |
| 5.2.2.2 实验结果及讨论 | 第59-62页 |
| 5.3 基于局部子空间的多标记特征选择算法 | 第62-74页 |
| 5.3.1 基于局部子空间的多标记特征选择模型 | 第62-66页 |
| 5.3.2 实验结果 | 第66-74页 |
| 5.3.2.1 实验数据集与实验环境 | 第66页 |
| 5.3.2.2 实验结果及讨论 | 第66-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 论文总结与展望 | 第75-77页 |
| 6.1 主要研究工作 | 第75-76页 |
| 6.2 未来工作 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第85页 |
