| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 特征选择的研究背景与意义 | 第8-9页 |
| 1.2 特征选择的研究现状以及面临的问题 | 第9-11页 |
| 1.2.1 特征选择的研究现状 | 第9-11页 |
| 1.2.2 特征选择面临的挑战 | 第11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第2章 相关工作介绍 | 第14-20页 |
| 2.1 单视角的无监督特征选择 | 第14-16页 |
| 2.1.1 基于拉普拉斯分值的无监督特征选择算法(LS) | 第14页 |
| 2.1.2 基于普特征选择的无监督特征选择算法(SPEC) | 第14-15页 |
| 2.1.3 基于多类的无监督特征选择算法(MCFS) | 第15页 |
| 2.1.4 基于?2,1正则的判别无监督特征选择算法(UDFS) | 第15-16页 |
| 2.1.5 基于非负谱分析的无监督特征选择算法(NDFS) | 第16页 |
| 2.2 多视角的无监督特征选择 | 第16-19页 |
| 2.2.1 基于自适应的谱分析的多视角无监督特征选择(AUMFS) | 第17-18页 |
| 2.2.2 文本-图像的网页新闻数据的多视角无监督特征选择(MVUFS) | 第18页 |
| 2.2.3 基于结构化稀疏的多视角无监督特征选择(MSSFL) | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 单视角的非线性无监督特征选择 | 第20-30页 |
| 3.1 模型介绍 | 第20-23页 |
| 3.1.1 符号定义 | 第20页 |
| 3.1.2 伪类标签的学习 | 第20-21页 |
| 3.1.3 非线性关系的获取 | 第21-22页 |
| 3.1.4 模型的目标函数 | 第22-23页 |
| 3.2 优化和算法介绍 | 第23-24页 |
| 3.3 实验介绍 | 第24-29页 |
| 3.3.1 数据集 | 第24页 |
| 3.3.2 实验设置 | 第24-25页 |
| 3.3.3 评价指标 | 第25-26页 |
| 3.3.4 实验结果与分析 | 第26-29页 |
| 3.4 结论 | 第29-30页 |
| 第4章 多视角的非线性无监督特征选择 | 第30-40页 |
| 4.1 模型介绍 | 第30-32页 |
| 4.1.1 符号定义 | 第30页 |
| 4.1.2 模型的目标函数 | 第30-32页 |
| 4.2 优化和算法介绍 | 第32-34页 |
| 4.3 收敛性和复杂性介绍 | 第34页 |
| 4.4 实验介绍 | 第34-39页 |
| 4.4.1 数据集 | 第34-35页 |
| 4.4.2 实验设置 | 第35页 |
| 4.4.3 实验结果与分析 | 第35-39页 |
| 4.5 结论 | 第39-40页 |
| 第5章 总结与展望 | 第40-42页 |
| 5.1 总结 | 第40-41页 |
| 5.2 展望 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 发表论文和参加科研情况说明 | 第47-48页 |
| 致谢 | 第48页 |
