| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·引言 | 第8页 |
| ·研究背景及意义 | 第8-10页 |
| ·特征选择和维归约的国内外研究现状 | 第10-13页 |
| ·特征选择的国内外研究现状 | 第10-12页 |
| ·维归约的国内外研究现状 | 第12-13页 |
| ·论文主要内容 | 第13页 |
| ·论文结构安排 | 第13-14页 |
| ·本章小结 | 第14-16页 |
| 第2章 特征选择 | 第16-20页 |
| ·特征选择的一般流程 | 第16-17页 |
| ·评估函数 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 特征交互 | 第20-28页 |
| ·交互特征 | 第20-21页 |
| ·两类特征交互 | 第20-21页 |
| ·特征交互性的定义 | 第21页 |
| ·处理交互特征在数据挖掘中的重要性 | 第21-26页 |
| ·对学习目标概念和碎片问题的影响 | 第21-23页 |
| ·检测辛普森悖论的发生 | 第23-24页 |
| ·对规则归纳算法设计的影响 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第4章 基于哈希表的一致性度量交互特征选择算法 | 第28-42页 |
| ·基本的一致性度量 | 第28页 |
| ·定义数据一致性 | 第28-31页 |
| ·基于哈希表的一致性度量交互特征选择算法 | 第31-35页 |
| ·高效地更新一致性贡献率 | 第31-32页 |
| ·处理特征排序问题 | 第32-33页 |
| ·对交互特征的处理 | 第33-35页 |
| ·基于哈希表的一致性度量交互特征选择算法的时间复杂度 | 第35页 |
| ·实验设计 | 第35-41页 |
| ·实验步骤和实验数据集 | 第35-37页 |
| ·实验结果分析 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 自适应维归约聚类算法LDA-BKM | 第42-50页 |
| ·引言 | 第42页 |
| ·自适应维归约聚类算法LDA-BKM | 第42-47页 |
| ·LDA和二分K均值方法(BKM) | 第43-45页 |
| ·耦合LDA和BKM的高维数据自适应聚类方法 | 第45-46页 |
| ·LDA-BKM算法的计算复杂度 | 第46-47页 |
| ·实验设计 | 第47-49页 |
| ·实验步骤和实验数据集 | 第47页 |
| ·实验结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| ·论文工作总结 | 第50-51页 |
| ·后续工作展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间的研究成果 | 第58页 |