| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景 | 第10页 |
| ·特征选择原理介绍 | 第10-12页 |
| ·特征选择的方法 | 第12-14页 |
| ·特征选择方法按搜索策略分类 | 第13页 |
| ·特征选择方法按特征集合评价策略分类 | 第13-14页 |
| ·特征选择存在的问题 | 第14-15页 |
| ·论文中各章节研究的主要内容 | 第15-16页 |
| 第2章 基于滤波的特征选择方法应用研究 | 第16-32页 |
| ·引言 | 第16页 |
| ·滤波特征选择方法的两种不同的准则介绍 | 第16-18页 |
| ·Fisher 线性判别准则 | 第16-17页 |
| ·最大相关最小冗余度准则 | 第17-18页 |
| ·实验仿真结果 | 第18-24页 |
| ·ECoG 脑电信号实验数据描述 | 第18页 |
| ·EcoG 皮层脑电信号通道选择的生理背景 | 第18-19页 |
| ·频带能量归一化特征 | 第19页 |
| ·实验仿真结果 | 第19-22页 |
| ·实验结果分析 | 第22-24页 |
| ·启发式搜索策略的滤波特征选择方法 | 第24-25页 |
| ·实验仿真结果 | 第25-30页 |
| ·葡萄酒数据描述 | 第25页 |
| ·实验结果分析 | 第25-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 基于嵌入式的特征选择方法应用研究 | 第32-44页 |
| ·引言 | 第32页 |
| ·支持向量机回归特征消去 | 第32-34页 |
| ·支持向量机 | 第32-33页 |
| ·支持向量机回归特征消去算法 | 第33-34页 |
| ·SVM-RFE 实验仿真结果 | 第34-35页 |
| ·基于增减特征分量的嵌入式特征选择算法 | 第35-36页 |
| ·最小二乘支持向量机回归 | 第36-38页 |
| ·实验仿真及结果分析 | 第38-42页 |
| ·实验仿真过程 | 第38-39页 |
| ·实验结果分析 | 第39-41页 |
| ·实验结果对比 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 基于 CSSD-DE 嵌入式特征选择算法的应用研究 | 第44-54页 |
| ·引言 | 第44页 |
| ·ECOG 信号嵌入式特征选择算法研究现状 | 第44-45页 |
| ·基于 CSSD-DE 的特征选择算法 | 第45-48页 |
| ·微分进化算法 | 第45-47页 |
| ·共空域子空间分解特征提取方法 | 第47页 |
| ·基于 CSSD-DE 的嵌入式特征选择算法 | 第47-48页 |
| ·基于 CSSD-DE 的嵌入式特征选择算法的改进 | 第48-49页 |
| ·实验仿真结果 | 第49-51页 |
| ·CSSD-DE 的实验仿真结果 | 第49-50页 |
| ·CSSD-DE 的改进的实验仿真结果 | 第50-51页 |
| ·CSSD-DE 算法改进的实验结果对比 | 第51页 |
| ·本章小结 | 第51-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |