首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向高维大数据的特征选择方法研究

摘要第3-5页
abstract第5-7页
第一章 绪论第10-18页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-16页
    1.3 论文结构及章节安排第16-18页
第二章 特征选择相关理论第18-34页
    2.1 特征选择概述第18-22页
    2.2 有监督特征选择方法第22-26页
        2.2.1 Relief算法第22-23页
        2.2.2 SVM-RFE算法第23-24页
        2.2.3 LASSO算法第24-26页
    2.3 无监督特征选择算法第26-29页
        2.3.1 最大方差法第26-27页
        2.3.2 主成分分析法第27-28页
        2.3.3 正则化自表示(RSR)第28-29页
    2.4 稀疏表示第29-32页
        2.4.1 稀疏表示模型第30页
        2.4.2 稀疏分解算法第30-32页
    2.5 本章小结第32-34页
第三章 均分式L_(1/2)正则化稀疏表示的有监督特征选择方法第34-44页
    3.1 稀疏表示特征选择第34-36页
    3.2 L_(1/2)正则化稀疏表示特征选择第36-37页
    3.3 均分式L_(1/2)正则化稀疏表示特征选择第37-38页
    3.4 实验结果与分析第38-42页
        3.4.1 实验数据第38页
        3.4.2 实验过程第38-39页
        3.4.3 实验结果与分析第39-42页
    3.5 本章小结第42-44页
第四章 基于贪婪选择策略的特征自表示无监督特征选择方法第44-52页
    4.1 特征自表示第44-46页
    4.2 正交投影第46页
    4.3 基于贪婪选择策略的特征自表示第46-48页
    4.4 实验结果与分析第48-51页
        4.4.1 实验数据第48-49页
        4.4.2 实验过程第49页
        4.4.3 实验结果与分析第49-51页
    4.5 本章小结第51-52页
第五章 工作总结第52-54页
    5.1 本文工作总结第52-53页
    5.2 未来工作展望第53-54页
参考文献第54-58页
致谢第58-60页
攻读学位期间发表的学术论文第60页

论文共60页,点击 下载论文
上一篇:基于稀疏编码和迁移学习的融合在图像表示中的应用研究
下一篇:基于改进决策树算法的绩效测评应用研究