基于SIR的数据降维算法研究及其应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 专用术语注释表 | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的创新点及组织结构 | 第13-15页 |
| 第二章 降维方法概述 | 第15-23页 |
| 2.1 降维的提出 | 第15页 |
| 2.2 降维的分类 | 第15-16页 |
| 2.3 充分降维 | 第16-21页 |
| 2.4 降维效果的判别标准 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 含离群点数据集的充分降维方法研究 | 第23-33页 |
| 3.1 K中心点聚类 | 第23-24页 |
| 3.2 基于K中心点聚类的切片逆回归算法 | 第24-25页 |
| 3.3 模拟仿真与实际应用 | 第25-32页 |
| 3.3.1 线性模型 | 第25-27页 |
| 3.3.2 非线性模型 | 第27-29页 |
| 3.3.3 实例应用 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 分类型响应变量的充分降维方法研究 | 第33-42页 |
| 4.1 二分类响应变量的变换 | 第33-34页 |
| 4.2 基于二分类响应变量变换的充分降维方法改进 | 第34-37页 |
| 4.2.1 切片逆回归改进 | 第34-35页 |
| 4.2.2 切片平均方差估计改进 | 第35-36页 |
| 4.2.3 海森主方向改进 | 第36-37页 |
| 4.3 实例应用 | 第37-41页 |
| 4.3.1 糖尿病数据集 | 第37-39页 |
| 4.3.2 乳腺癌数据集 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 混合型预测变量的充分降维方法研究 | 第42-53页 |
| 5.1 OCIL聚类 | 第42-45页 |
| 5.1.1 相似性度量 | 第43-45页 |
| 5.1.2 OCIL算法流程 | 第45页 |
| 5.2 基于OCIL聚类的充分降维算法 | 第45-46页 |
| 5.3 模拟仿真与实例应用 | 第46-52页 |
| 5.3.1 模拟仿真 | 第46-48页 |
| 5.3.2 实例应用 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录 程序清单 | 第57-58页 |
| 致谢 | 第58页 |
