| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-28页 |
| ·论文的选题动机 | 第13-15页 |
| ·论文的选题依据 | 第15-23页 |
| ·特征选择问题的理论研究范畴 | 第15-17页 |
| ·高维特征选择问题的研究价值 | 第17-19页 |
| ·高维特征选择问题的国内外研究现状 | 第19-23页 |
| ·论文的主要工作及创新点 | 第23-26页 |
| ·论文研究工作的构成与课题支撑情况 | 第23-25页 |
| ·论文的主要贡献与创新点 | 第25-26页 |
| ·论文的章节安排 | 第26-28页 |
| 第二章 特征选择方法研究的理论基础 | 第28-47页 |
| ·特征选择问题的定义 | 第29-31页 |
| ·通用算法流程与算法评价标准 | 第31-33页 |
| ·特征选择与特征提取的关系 | 第33-34页 |
| ·特征选择方法的四种设计模式 | 第34-35页 |
| ·正则化特征选择方法的理论出发点 | 第35-36页 |
| ·1-范数约束正则化特征选择方法 | 第36-40页 |
| ·套索算法 | 第36-37页 |
| ·最小角度回归法 | 第37-38页 |
| ·弹性网络方法 | 第38-39页 |
| ·丹茨格选择子 | 第39页 |
| ·套索算法的其他变体 | 第39-40页 |
| ·1-范数约束方法的理论局限 | 第40页 |
| ·零-范数约束正则化特征选择方法 | 第40-45页 |
| ·AIC 和 Mallows' Cp | 第40-41页 |
| ·贝叶斯信息准则 | 第41-42页 |
| ·最短描述长度法则 | 第42-43页 |
| ·零-范数约束方法的理论局限 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第三章 基于简化随机复杂度约束的特征选择方法模型 | 第47-64页 |
| ·随机复杂度理论模型 | 第47-52页 |
| ·随机复杂度定义与最短描述长度原则 | 第48-50页 |
| ·模型复杂度编码的理论下界 | 第50-52页 |
| ·基于 SCOC 判据的自动特征选择算法 | 第52-55页 |
| ·SCOC 的数学模型 | 第52-54页 |
| ·特征选择算法的构造 | 第54-55页 |
| ·方法性能评估 | 第55-63页 |
| ·合成数据仿真实验 | 第55-57页 |
| ·糖尿病数据集仿真实验 | 第57-60页 |
| ·真实基因数据集实验 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 基于有偏风险约束的特征选择方法模型 | 第64-84页 |
| ·基于风险范函的归纳推理原则 | 第64-68页 |
| ·风险范函的定义 | 第64-65页 |
| ·基于经验数据最小化风险范函的归纳原则 | 第65-67页 |
| ·统计推理的两种基本策略 | 第67-68页 |
| ·基于有偏风险约束的 L20 模型 | 第68-74页 |
| ·基于RIC 的特征选择方法模型 | 第69-71页 |
| ·L20 的数学模型 | 第71-72页 |
| ·平滑因子的影响 | 第72-74页 |
| ·方法性能评估 | 第74-82页 |
| ·合成数据仿真实验 | 第74-77页 |
| ·基因选择实验（一） | 第77-80页 |
| ·基因选择实验（二） | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 基于有偏最短描述长度的特征选择方法模型 | 第84-106页 |
| ·方法设计思想 | 第84-85页 |
| ·bMDL 的数学模型 | 第85-87页 |
| ·bMDL 模型的解 | 第87-93页 |
| ·方法性能评估 | 第93-100页 |
| ·合成数据仿真实验 | 第93-95页 |
| ·基因选择实验 | 第95-98页 |
| ·图像分类实验 | 第98-100页 |
| ·bMDL 与 SCOC 和 L20 的联系与区别 | 第100-104页 |
| ·本章小结 | 第104-106页 |
| 第六章 结束语 | 第106-111页 |
| ·本文的研究工作总结 | 第106-108页 |
| ·进一步的工作 | 第108-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-118页 |
| 攻博期间取得的研究成果 | 第118-121页 |