| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究目的和意义 | 第14页 |
| 1.4 主要工作及内容安排 | 第14-16页 |
| 第二章 相关技术 | 第16-23页 |
| 2.1 稀疏表示及一般模型 | 第16-17页 |
| 2.2 Lasso方法及其改进方法 | 第17-18页 |
| 2.3 优化算法 | 第18-20页 |
| 2.4 方法性能评价 | 第20-21页 |
| 2.5 数据归一化方法 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于Laplacian正则化项的特征选择方法 | 第23-33页 |
| 3.1 问题引入 | 第23-24页 |
| 3.2 Lap-Lasso方法 | 第24-27页 |
| 3.2.1 Laplacian正则化项 | 第24-25页 |
| 3.2.2 Lap-Lasso方法模型 | 第25页 |
| 3.2.3 模型求解优化 | 第25-27页 |
| 3.3 实验及其分析 | 第27-32页 |
| 3.3.1 数据集 | 第27页 |
| 3.3.2 实验设计 | 第27-28页 |
| 3.3.3 分类精度比较 | 第28页 |
| 3.3.4 参数λ和参数β对分类精度的影响 | 第28-31页 |
| 3.3.5 线性核上支持向量机性能表现分析 | 第31页 |
| 3.3.6 KNN分类器上性能表现分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于判别性正则化项的特征选择方法 | 第33-45页 |
| 4.1 问题引入 | 第33-34页 |
| 4.2 D-Lasso方法 | 第34-40页 |
| 4.2.1 判别正则化项 | 第34-36页 |
| 4.2.2 D-Lasso方法模型 | 第36-38页 |
| 4.2.3 扩展：半监督特征选择 | 第38页 |
| 4.2.4 模型求解优化 | 第38-40页 |
| 4.3 实验及结果分析 | 第40-44页 |
| 4.3.1 实验设计 | 第40页 |
| 4.3.2 分类精度比较 | 第40-41页 |
| 4.3.3 正则化项参数对分类精度的影响分析 | 第41-42页 |
| 4.3.4 判别正则化项紧致性和分离性分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 总结和展望 | 第45-47页 |
| 总结 | 第45-46页 |
| 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间参与的科研情况与公开发表的论文 | 第52页 |
| 参与的科研项目 | 第52页 |
| 获奖情况 | 第52页 |
| 已发表和完成的论文 | 第52页 |