| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-21页 |
| ·特征提取与特征选择概述 | 第12-13页 |
| ·特征提取与特征选择研究现状 | 第13-18页 |
| ·本文内容安排 | 第18-21页 |
| 第二章 典型特征提取与特征选择算法 | 第21-36页 |
| ·主成分分析（Principal Component Analysis） | 第21-22页 |
| ·线性判别分析（Linear Discriminant Analysis） | 第22-25页 |
| ·局部保持映射(Locality Preserving Projection) | 第25-28页 |
| ·判别近邻嵌入（Discriminant Neighborhood Embedding） | 第28-29页 |
| ·RELIEF 与 RELIEF-F 算法 | 第29-31页 |
| ·极小冗余-极大相关选择（minimum redundancy-maximum relevance） | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 基于 K-近邻局部间隔的判别映射算法 | 第36-50页 |
| ·引言 | 第36页 |
| ·假设间隔概念 | 第36-38页 |
| ·基于 K-近邻局部间隔的判别映射算法 | 第38-40页 |
| ·基于局部间隔的快速判别映射算法 | 第40-42页 |
| ·与局部线性嵌入算法 LLE 关系 | 第42-44页 |
| ·实验及分析 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于局部间隔的半监督判别嵌入算法 | 第50-60页 |
| ·引言 | 第50-51页 |
| ·半监督嵌入方法 | 第51-53页 |
| ·与 LLE、LPP、SDA 的比较 | 第53-54页 |
| ·实验及结果分析 | 第54-59页 |
| ·TWO-MOONS 数据集实验 | 第54页 |
| ·多类对象流形发现实验 | 第54-56页 |
| ·可视化识别实验 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 谱分析与无监督特征排序算法 | 第60-72页 |
| ·引言 | 第60-61页 |
| ·谱聚类 | 第61-65页 |
| ·基于谱分析的特征排序算法 | 第65-67页 |
| ·特征分解与 Nystr m 逼近 | 第67-68页 |
| ·实验及结果分析 | 第68-71页 |
| ·特征排序实验 | 第69页 |
| ·特征子集聚类实验 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 基于局部学习的快速特征加权算法 | 第72-98页 |
| ·引言 | 第72-74页 |
| ·基于局部学习的有指导特征加权算法 | 第74-77页 |
| ·有指导特征加权算法复杂度分析 | 第77-78页 |
| ·有指导特征加权实验结果与分析 | 第78-84页 |
| ·人造数据集特征加权与排序 | 第78-79页 |
| ·UCI 数据集特征加权与选择 | 第79-82页 |
| ·人脸数据集特征选择 | 第82-83页 |
| ·时间复杂度实验 | 第83-84页 |
| ·半监督特征加权与排序框架 | 第84-91页 |
| ·有标记样本特征加权准则 | 第86-87页 |
| ·全样本特征加权准则 | 第87页 |
| ·半监督特征加权与排序框架 | 第87-88页 |
| ·两种半监督特征排序算法 | 第88-91页 |
| ·半监督特征排序实验 | 第91-97页 |
| ·二类数据集上特征排序实验结果 | 第91-94页 |
| ·人脸数据集上特征排序结果 | 第94-95页 |
| ·手写数字集上特征排序结果 | 第95-97页 |
| ·本章小结 | 第97-98页 |
| 第七章 总结与展望 | 第98-101页 |
| 参考文献 | 第101-110页 |
| 致谢 | 第110-111页 |
| 在学期间的研究成果及发表的学术论文 | 第111页 |
