| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 问题背景及研究意义 | 第10-12页 |
| 1.2 支持向量机特征选择的研究现状 | 第12页 |
| 1.3 通信行业数据挖掘的研究现状 | 第12-13页 |
| 1.4 本文研究的主要内容 | 第13页 |
| 1.5 本文章节安排 | 第13-14页 |
| 第二章 基本概念和相关知识 | 第14-22页 |
| 2.1 特征选择相关基础 | 第14-16页 |
| 2.1.1 特征选择的定义 | 第14页 |
| 2.1.2 特征选择的基本流程 | 第14-15页 |
| 2.1.3 特征空间搜索 | 第15-16页 |
| 2.1.4 特征选择算法分类 | 第16页 |
| 2.2 支持向量机特征选择模型 | 第16-20页 |
| 2.2.1 支持向量机模型（C-支持向量分类） | 第16-17页 |
| 2.2.2 SVM-RFE算法 | 第17-19页 |
| 2.2.3 支持向量机回归特征消去方法的加速算法 | 第19-20页 |
| 2.3 移动通信网络问题介绍 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于支持向量机特征选择的算法 | 第22-33页 |
| 3.1 算法思想 | 第22-23页 |
| 3.2 核函数贡献值计算 | 第23-25页 |
| 3.3 基于贡献比例删除的支持向量机特征选择算法（单个特征子集的选择） | 第25-29页 |
| 3.3.1 算法描述(P-SVM-RFE) | 第25页 |
| 3.3.2 算法分析 | 第25-29页 |
| 3.4 基于冗余属性信息的补充特征子集特征选择算法（多个特征子集的选择） | 第29-32页 |
| 3.4.1 算法描述 | 第29页 |
| 3.4.2 算法分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 实验结果与分析 | 第33-56页 |
| 4.1 实验所用的数据集介绍及实验设计 | 第33-36页 |
| 4.2 实验采用算法和运行环境 | 第36页 |
| 4.3 单个特征子集的选择实验结果分析 | 第36-54页 |
| 4.3.1 线性核函数实验 | 第43-47页 |
| 4.3.2 多项式核函数实验 | 第47-49页 |
| 4.3.3 径向基核函数实验 | 第49-54页 |
| 4.4 多个特征子集的选择实验结果分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |