| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题的背景及意义 | 第10-11页 |
| 1.2 数据降维技术国内外研究现状 | 第11-15页 |
| 1.2.1 特征提取国内外研究现状 | 第11-13页 |
| 1.2.2 特征选择国内外研究现状 | 第13-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 特征选择算法概述 | 第17-26页 |
| 2.1 特征选择算法的基本框架 | 第17-18页 |
| 2.2 基于搜索策略划分的特征选择算法 | 第18-20页 |
| 2.2.1 基于全局最优搜索策略的特征选择算法 | 第18-19页 |
| 2.2.2 基于启发式搜索策略的特征选择算法 | 第19-20页 |
| 2.2.3 基于随机搜索策略的特征选择算法 | 第20页 |
| 2.3 基于评价准则划分的特征选择算法 | 第20-25页 |
| 2.3.1 嵌入式的特征选择算法 | 第20-21页 |
| 2.3.2 过滤式的特征选择算法 | 第21-25页 |
| 2.3.3 包裹式的特征选择算法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于模拟退火算法优化的两阶段特征选择算法 | 第26-38页 |
| 3.1 两阶段特征选择算法 | 第26-29页 |
| 3.1.1 基于互信息的第一阶段特征选择算法 | 第26-27页 |
| 3.1.2 基于余弦距离的第二阶段特征选择算法 | 第27-29页 |
| 3.2 基于模拟退火算法优化的两阶段特征选择算法 | 第29-31页 |
| 3.2.1 基于模拟退火算法的参数优化 | 第29-30页 |
| 3.2.2 分类器的选择 | 第30-31页 |
| 3.3 整体算法流程 | 第31-33页 |
| 3.4 数据测试与验证 | 第33-37页 |
| 3.4.1 数据集与测试环境 | 第33页 |
| 3.4.2 实验结果对比与分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于互信息与层次聚类双重特征选择的改进朴素贝叶斯算法 | 第38-49页 |
| 4.1 朴素贝叶斯算法 | 第38-39页 |
| 4.2 基于互信息与层次聚类双重特征选择的改进朴素贝叶斯算法 | 第39-41页 |
| 4.2.1 互信息 | 第39页 |
| 4.2.2 凝聚层次聚类 | 第39-40页 |
| 4.2.3 粒子群算法 | 第40-41页 |
| 4.3 整体算法流程 | 第41-44页 |
| 4.4 数据测试与验证 | 第44-48页 |
| 4.4.1 数据集与测试环境 | 第44页 |
| 4.4.2 实验结果对比与分析 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于PyQt平台的特征选择算法软件开发及应用 | 第49-54页 |
| 5.1 PyQt的简单介绍 | 第49页 |
| 5.2 软件应用背景及基因微阵列数据 | 第49-50页 |
| 5.3 图形操作界面的组成 | 第50-53页 |
| 5.3.1 数据导入模块 | 第50-51页 |
| 5.3.2 参数及阈值设定模块 | 第51页 |
| 5.3.3 运行显示模块 | 第51-52页 |
| 5.3.4 结果显示模块 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 研究工作总结 | 第54页 |
| 6.2 研究工作展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间参与的科研项目及取得的成果 | 第62-63页 |
| 致谢 | 第63页 |
