| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 主要研究问题与研究思路 | 第10-11页 |
| 1.3 本文内容组织结构 | 第11-14页 |
| 第二章 高维数据降维分类方法研究现状及问题分析 | 第14-23页 |
| 2.1 高维数据分类分析及其应用概述 | 第14-15页 |
| 2.2 特征选择方法简介 | 第15-17页 |
| 2.2.1 特征选择的研究现状 | 第15-16页 |
| 2.2.2 特征搜索算法简介 | 第16-17页 |
| 2.3 特征提取方法简介 | 第17-19页 |
| 2.3.1 线性特征提取方法 | 第18页 |
| 2.3.2 非线性特征提取方法 | 第18-19页 |
| 2.4 集成分类方法简介 | 第19-20页 |
| 2.5 存在的主要问题 | 第20-22页 |
| 2.5.1 特征选择与特征提取方法比较 | 第20-21页 |
| 2.5.2 引入基于类的特征选择分类思想 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 相关方法的基本概念和原理 | 第23-31页 |
| 3.1 mRMR标准及其优势论证 | 第23-25页 |
| 3.1.1 熵和互信息的基本理论 | 第23-25页 |
| 3.1.2 mRMR标准 | 第25页 |
| 3.2 支持向量机原理 | 第25-27页 |
| 3.2.1 线性支持向量机 | 第26-27页 |
| 3.2.2 非线性支持向量机 | 第27页 |
| 3.3 遗传算法基本原理 | 第27-30页 |
| 3.3.1 遗传算法的生物学基础和基本特点 | 第27-28页 |
| 3.3.2 遗传算法的基本步骤 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于类的mRMR+GA-SVM两阶段分类算法的设计与实现 | 第31-44页 |
| 4.1 分类算法设计内容 | 第31-32页 |
| 4.2 mRMR特征预选 | 第32-33页 |
| 4.3 基于类的特征子空间选择分类模式 | 第33-34页 |
| 4.4 类特征子空间选择的GA-SVM算法设计 | 第34-37页 |
| 4.5 算法创新点总结 | 第37-38页 |
| 4.6 实验设计及结果分析 | 第38-43页 |
| 4.6.1 数据集选择和算法分类效果评价标准 | 第38-40页 |
| 4.6.2 实验1与独立于类的特征选择方法比较 | 第40-42页 |
| 4.6.3 实验2与基于类的特征选择方法比较 | 第42-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 基于类特征子空间分类算法的推荐营销系统设计 | 第44-48页 |
| 5.1 推荐营销系统应用背景 | 第44-45页 |
| 5.2 基于类特征子空间分类算法的推荐营销系统设计 | 第45-47页 |
| 5.2.1 推荐营销系统的功能结构设计 | 第45-46页 |
| 5.2.2 推荐营系统的算法构成 | 第46-47页 |
| 5.2.3 预计系统应用效果 | 第47页 |
| 5.3 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 研究总结 | 第48页 |
| 6.2 文中局限性与研究展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
