| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 论文主要内容及组织结构 | 第16-17页 |
| 1.3.1 本文的研究内容 | 第16-17页 |
| 1.3.2 全文的组织结构安排 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 多标记学习及信息熵相关知识 | 第18-25页 |
| 2.1 多标记学习框架 | 第18-19页 |
| 2.2 特征选择 | 第19-21页 |
| 2.2.1 特征选择过程 | 第19-20页 |
| 2.2.2 特征选择算法分类 | 第20-21页 |
| 2.3 模糊信息熵 | 第21-23页 |
| 2.4 评价指标 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于Lasso与模糊互信息的特征选择算法 | 第25-35页 |
| 3.1 概述 | 第25-26页 |
| 3.2 基于Lasso算法的特征降维 | 第26-27页 |
| 3.3 基于Lasso和模糊互信息多标记特征选择算法 | 第27-28页 |
| 3.4 实验数据及其结果分析 | 第28-34页 |
| 3.4.1 实验数据 | 第28-29页 |
| 3.4.2 实验结果及分析 | 第29-32页 |
| 3.4.3 算法有效性统计性假设检验 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于互信息的快速流特征选择算法 | 第35-42页 |
| 4.1 概述 | 第35-36页 |
| 4.2 快速流特征选择 | 第36-37页 |
| 4.3 基于互信息的快速流特征选择算法 | 第37-38页 |
| 4.3.1 .相关性和冗余性分析 | 第37页 |
| 4.3.2 基于互信息的快速流特征选择算法 | 第37-38页 |
| 4.3.3 算法描述 | 第38页 |
| 4.4 实验数据及其结果分析 | 第38-41页 |
| 4.4.1 实验数据 | 第38-39页 |
| 4.4.2 实验结果及分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 工作总结 | 第42-43页 |
| 5.2 下一步工作 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录 :读研期间科研情况 | 第50页 |