| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-12页 |
| 1.1 研究背景及现状 | 第9-10页 |
| 1.2 本文的研究内容与结构 | 第10-11页 |
| 1.3 本章小结 | 第11-12页 |
| 2 背景知识 | 第12-28页 |
| 2.1 相关定义 | 第12-18页 |
| 2.1.1 相关符号定义 | 第12页 |
| 2.1.2 熵 | 第12-13页 |
| 2.1.3 互信息 | 第13-14页 |
| 2.1.4 聚类 | 第14-16页 |
| 2.1.5 聚类的互信息准则 | 第16-18页 |
| 2.2 特征加权方法 | 第18-21页 |
| 2.2.1 均方差加权 | 第19-20页 |
| 2.2.2 Relief 加权 | 第20-21页 |
| 2.2.3 ReliefF 加权 | 第21页 |
| 2.3 聚类算法 | 第21-27页 |
| 2.3.1 KMeans 算法 | 第22-23页 |
| 2.3.2 aIB 算法 | 第23-25页 |
| 2.3.3 sIB 算法 | 第25-26页 |
| 2.3.4 DBSCAN 算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于 ReliefF 改进的加权 NIC 算法 | 第28-35页 |
| 3.1 MeanNN 微分熵估计方法 | 第28-29页 |
| 3.2 传统 NIC 算法思想 | 第29-31页 |
| 3.3 基于 ReliefF 改进的 NIC 算法 | 第31-34页 |
| 3.3.1 信息熵与特征加权 | 第31-32页 |
| 3.3.2 基于特征加权的 NIC 算法思想 | 第32-33页 |
| 3.3.3 基于特征加权的 NIC 算法分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 实验以及性能分析 | 第35-43页 |
| 4.1 实验数据集 | 第35-36页 |
| 4.2 实验评估方法 | 第36-37页 |
| 4.3 实验设计 | 第37-41页 |
| 4.4 实验结果分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 总结及未来工作展望 | 第43-45页 |
| 5.1 本文研究工作总结 | 第43-44页 |
| 5.2 研究前景 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 致谢 | 第50-51页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第51页 |