| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 课题研究背景及意义 | 第16页 |
| 1.2 特征选择算法国内外研究现状 | 第16-21页 |
| 1.2.1 特征选择算法概述 | 第17页 |
| 1.2.2 国内外研究现状 | 第17-21页 |
| 1.3 本文主要内容及结构安排 | 第21-22页 |
| 第二章 基于非负谱学习和稀疏回归的双图特征选择算法 | 第22-42页 |
| 2.1 引言 | 第22页 |
| 2.2 相关工作 | 第22-26页 |
| 2.2.1 相关符号 | 第23页 |
| 2.2.2 无监督特征选择算法 | 第23-25页 |
| 2.2.3 非负矩阵分解算法 | 第25-26页 |
| 2.3 基于非负谱学习和稀疏回归的双图特征选择算法介绍 | 第26-32页 |
| 2.3.1 双图非负谱学习 | 第26-28页 |
| 2.3.2 双图稀疏回归 | 第28页 |
| 2.3.3 特征选择 | 第28-29页 |
| 2.3.4 算法优化 | 第29-30页 |
| 2.3.5 收敛性分析 | 第30-32页 |
| 2.4 仿真实验 | 第32-40页 |
| 2.4.1 实验数据 | 第32页 |
| 2.4.2 对比算法 | 第32页 |
| 2.4.3 评价指标 | 第32-33页 |
| 2.4.4 实验设置 | 第33页 |
| 2.4.5 实验结果及分析 | 第33-38页 |
| 2.4.6 计算复杂度分析 | 第38-39页 |
| 2.4.7 参数敏感性分析 | 第39-40页 |
| 2.5 本章总结 | 第40-42页 |
| 第三章 基于子空间学习的图正则特征选择算法 | 第42-60页 |
| 3.1 引言 | 第42页 |
| 3.2 基于子空间学习的图正则特征选择算法介绍 | 第42-47页 |
| 3.2.1 稀疏子空间学习 | 第42-44页 |
| 3.2.2 局部结构保留 | 第44-45页 |
| 3.2.3 特征评价 | 第45页 |
| 3.2.4 与MFFS的关联 | 第45页 |
| 3.2.5 算法优化 | 第45-46页 |
| 3.2.6 收敛性分析 | 第46-47页 |
| 3.3 仿真实验 | 第47-58页 |
| 3.3.1 实验数据 | 第48页 |
| 3.3.2 对比算法 | 第48-49页 |
| 3.3.3 评价指标 | 第49页 |
| 3.3.4 实验设置 | 第49页 |
| 3.3.5 实验结果及分析 | 第49-54页 |
| 3.3.6 算法鲁棒性测试 | 第54-55页 |
| 3.3.7 参数敏感性分析 | 第55-58页 |
| 3.4 本章总结 | 第58-60页 |
| 第四章 基于局部判别稀疏子空间学习的特征选择算法 | 第60-74页 |
| 4.1 引言 | 第60页 |
| 4.2 基于局部判别稀疏子空间学习的特征选择算法介绍 | 第60-66页 |
| 4.2.1 核化局部判别模型 | 第61-62页 |
| 4.2.2 稀疏子空间学习 | 第62-63页 |
| 4.2.3 与相关算法的关联 | 第63-64页 |
| 4.2.4 算法优化 | 第64-65页 |
| 4.2.5 收敛性分析 | 第65-66页 |
| 4.3 仿真实验 | 第66-72页 |
| 4.3.1 实验数据 | 第66-67页 |
| 4.3.2 对比算法 | 第67页 |
| 4.3.3 评价指标 | 第67页 |
| 4.3.4 实验设置 | 第67页 |
| 4.3.5 实验结果及分析 | 第67-70页 |
| 4.3.6 参数敏感性分析 | 第70-72页 |
| 4.4 本章总结 | 第72-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 本文总结 | 第74-75页 |
| 5.2 进一步工作 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-86页 |
