| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.3 目前研究存在的不足 | 第14页 |
| 1.4 本文的主要内容与结构 | 第14-15页 |
| 1.5 本章总结 | 第15-16页 |
| 2 特征选择的定义和必要性 | 第16-20页 |
| 2.1 特征选择的定义 | 第16-17页 |
| 2.2 特征选择的步骤 | 第17-19页 |
| 2.3 特征选择的必要性 | 第19页 |
| 2.4 本章总结 | 第19-20页 |
| 3 基于监督学习的特征选择 | 第20-30页 |
| 3.1 熵(entropy)和互信息(mutual information) | 第20-24页 |
| 3.2 互信息的估计和特征选择 | 第24-29页 |
| 3.3 本章总结 | 第29-30页 |
| 4 基于非监督学习的特征选择 | 第30-43页 |
| 4.1 聚类 | 第30-32页 |
| 4.2 相似性度量(similarity measure) | 第32-34页 |
| 4.3 邻域互信息(Neighborhood Mutual Information, NMI) | 第34-37页 |
| 4.4 基于NMI的混合数据非监督特征选择 | 第37-42页 |
| 4.5 本章总结 | 第42-43页 |
| 5 实验设计和算法比较 | 第43-52页 |
| 5.1 数据集以及评价标准 | 第43页 |
| 5.2 算法比较 | 第43-48页 |
| 5.3 统计数据实例分析 | 第48-51页 |
| 5.4 本章总结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 全文总结 | 第52页 |
| 6.2 本文的不足与未来的展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 附表 | 第61-62页 |
