| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究工作的来源与意义 | 第8-9页 |
| ·课题的发展现状 | 第9-10页 |
| ·本文的主要内容 | 第10-12页 |
| 第二章 预备知识 | 第12-21页 |
| ·径向基函数神经网络(RBFNN) | 第12-15页 |
| ·特征选择 | 第15-21页 |
| 第三章 局部泛化误差模型 | 第21-26页 |
| ·训练样例的Q-邻域 | 第21页 |
| ·局部泛化误差模型(L-GEM) | 第21-23页 |
| ·局部泛化误差模型在特征选择中的应用 | 第23-24页 |
| ·局部泛化误差模型本身及其在特征选择应用当中的缺点 | 第24-26页 |
| 第四章 改进的局部泛化误差模型及其在特征选择中的应用 | 第26-34页 |
| ·基于范数的局部泛化误差模型(NL-GEM) | 第26-27页 |
| ·基于NL-GEM的特征选择算法 | 第27-28页 |
| ·基于加权平均的局部泛化误差模型(L-GEM-WA) | 第28-34页 |
| 第五章 针对高维数据的组合式特征选择算法—三阶段法 | 第34-41页 |
| ·ReliefF法 | 第34-36页 |
| ·主特征分析(PFA)法 | 第36-37页 |
| ·Wrapper法 | 第37页 |
| ·三阶段法 | 第37-38页 |
| ·实验 | 第38-41页 |
| 第六章 结论与展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间科研工作情况 | 第46-47页 |
| 致谢 | 第47-48页 |
