| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 1 绪论 | 第7-12页 |
| ·选题背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本论文的研究内容和成果 | 第10-11页 |
| ·本论文的章节安排 | 第11-12页 |
| 2 相关分析方法概述 | 第12-17页 |
| ·传统的特征选择方法 | 第12-14页 |
| ·过滤式特征选择 | 第12-13页 |
| ·封装式特征选择 | 第13-14页 |
| ·特征选择过程 | 第14页 |
| ·信息熵(Information Entropy) | 第14-15页 |
| ·互信息(Mutual Information) | 第15页 |
| ·信息增益(Information Gain) | 第15页 |
| ·相关系数(Correlation Coefficient) | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 基于BPSO 和OIE 的特征选择方法 | 第17-24页 |
| ·特征选择问题描述 | 第17-18页 |
| ·BPSO 和OIE 简介 | 第18-20页 |
| ·BPSO 算法 | 第18-19页 |
| ·重叠信息熵 | 第19-20页 |
| ·基于BPSO 和OIE 的特征选择方法描述 | 第20-21页 |
| ·实验 | 第21-23页 |
| ·Bio_train.dat 数据集的实验结果 | 第22-23页 |
| ·Wine 数据集的实验结果 | 第23页 |
| ·本章小结 | 第23-24页 |
| 4 新相关信息熵的定义及性质 | 第24-36页 |
| ·预备知识 | 第25-27页 |
| ·相关信息熵 | 第25页 |
| ·Hpal 熵 | 第25-27页 |
| ·新相关信息熵 | 第27-32页 |
| ·新相关信息熵的定义 | 第27页 |
| ·新相关信息熵的性质 | 第27-32页 |
| ·应用 | 第32-35页 |
| ·Bio_train.dat 数据集的实验结果 | 第32-34页 |
| ·Wine 数据集的实验结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 相关分析方法在地震趋势预报中的应用 | 第36-47页 |
| ·基于数据挖掘的地震趋势预报与评判的分析软件原型系统 | 第36-37页 |
| ·相关分析子系统结构 | 第37-39页 |
| ·相关分析子系统结构 | 第37-39页 |
| ·相关分析子系统功能 | 第39页 |
| ·相关分析子系统实现 | 第39页 |
| ·特征选择与相关分析模块功能实现 | 第39-41页 |
| ·特征选择与相关分析模块流程 | 第39页 |
| ·特征选择与相关分析模块算法流程 | 第39-41页 |
| ·特征集性能评估模块功能实现 | 第41-42页 |
| ·特征集性能评估模块流程 | 第41页 |
| ·特征集性能评估模块算法流程 | 第41-42页 |
| ·相关分析子系统软件测试结果 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 6 总结 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54页 |
