首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于相似性的特征选择方法研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-15页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 论文主要工作及组织结构第12-15页
        1.3.1 论文主要工作第12页
        1.3.2 论文内容的组织结构第12-15页
第2章 基于相似性的特征选择方法第15-35页
    2.1 特征选择方法概述第15页
    2.2 特征选择方法分类第15-17页
    2.3 基于相似性的特征选择方法思想第17-18页
    2.4 基于相似性的特征选择方法第18-24页
        2.4.1 Laplacian Score算法第18页
        2.4.2 SPEC算法第18-20页
        2.4.3 Fisher Score算法第20-21页
        2.4.4 Trace Ratio算法第21-22页
        2.4.5 ReliefF算法第22-24页
    2.5 实验结果及分析第24-34页
        2.5.1 实验数据集第24-25页
        2.5.2 评价指标第25-26页
        2.5.3 实验结果与分析第26-34页
    2.6 本章小结第34-35页
第3章 相似性保留的特征选择框架优化第35-49页
    3.1 基本概念及公式第35-36页
    3.2 问题重构第36-38页
    3.3 基于SPFS框架的特征选择算法第38-43页
        3.3.1 SPFS-SFS第38-39页
        3.3.2 SPFS-NES第39-41页
        3.3.3 SPFS-LAR第41-43页
    3.4 实验结果及分析第43-48页
        3.4.1 评价指标第43-44页
        3.4.2 监督学习对比实验结果及分析第44-45页
        3.4.3 无监督学习对比实验结果及分析第45-48页
    3.5 本章小结第48-49页
第4章 基于属性依赖的半监督特征选择方法第49-62页
    4.1 半监督学习概念第49-50页
    4.2 半监督特征选择概念第50页
    4.3 基于成对约束的特征选择方法-Constraint score第50-51页
    4.4 基于属性依赖的半监督学习特征选择方法第51-58页
        4.4.1 问题描述及符号定义第51-52页
        4.4.2 SFSAD方法模型及算法描述第52-58页
    4.5 实验结果及分析第58-61页
        4.5.1 评价指标第58页
        4.5.2 实验结果及分析第58-61页
    4.6 本章小结第61-62页
第5章 总结与展望第62-64页
    5.1 论文总结第62-63页
    5.2 论文展望第63-64页
致谢第64-66页
参考文献第66-70页
攻读学位期间取得的学位论文相关科研成果第70页

论文共70页,点击 下载论文
上一篇:基于多传感器的混合气体检测系统研究与设计
下一篇:基于蓝宝石晶片的光纤高温传感器研究