| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 本文的结构安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关概念及算法 | 第15-23页 |
| 2.1 特征选择算法 | 第15-19页 |
| 2.1.1 特征选择算法的原理概述 | 第15-17页 |
| 2.1.2 特征选择算法分类 | 第17-19页 |
| 2.1.3 基于互信息的特征选择算法 | 第19页 |
| 2.2 相关性计算方法 | 第19-21页 |
| 2.2.1 Pearson相关系数 | 第20页 |
| 2.2.2 互信息相关系数 | 第20页 |
| 2.2.3 最大信息系数 | 第20-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 基于MIC的SPEC特征选择改进算法 | 第23-43页 |
| 3.1 SPEC特征选择算法 | 第23-24页 |
| 3.2 SPEC特征选择算法的不足 | 第24页 |
| 3.3 基于MIC的SPEC特征选择改进算法 | 第24-27页 |
| 3.4 公共数据集上特征选择算法对比实验与结果分析 | 第27-30页 |
| 3.4.1 实验数据 | 第27页 |
| 3.4.2 实验中使用的分类器 | 第27-28页 |
| 3.4.3 实验环境及评价标准 | 第28页 |
| 3.4.4 实验结果及分析 | 第28-30页 |
| 3.5 基于SPECMIC算法的APP使用预测模型 | 第30-41页 |
| 3.5.1 APP使用预测模型的背景 | 第30-31页 |
| 3.5.2 APP使用预测模型的数据 | 第31-33页 |
| 3.5.3 APP使用预测模型的整体架构 | 第33-34页 |
| 3.5.4 APP使用预测模型的二分类问题构建 | 第34-35页 |
| 3.5.5 APP使用预测模型的特征提取过程 | 第35-37页 |
| 3.5.6 APP使用预测模型的特征选择过程 | 第37-38页 |
| 3.5.7 实验环境及配置 | 第38页 |
| 3.5.8 实验结果分析 | 第38-41页 |
| 3.5.9 APP使用预测模型总结 | 第41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 基于相关性的SPEC特征选择改进算法 | 第43-61页 |
| 4.1 SPEC特征选择算法在特定场景下的不足 | 第43页 |
| 4.2 基于相关性的SPEC特征选择改进算法 | 第43-45页 |
| 4.3 公共数据集上特征选择算法对比实验与结果分析 | 第45-49页 |
| 4.3.1 实验数据 | 第45-46页 |
| 4.3.2 实验中使用的分类器 | 第46页 |
| 4.3.3 实验环境及评价标准 | 第46-47页 |
| 4.3.4 实验结果及分析 | 第47-49页 |
| 4.4 基于RSPEC特征选择算法的黑词检测模型 | 第49-59页 |
| 4.4.1 黑词检测模型的背景 | 第49-51页 |
| 4.4.2 黑词检测模型的数据获取 | 第51-52页 |
| 4.4.3 黑词检测模型的框架 | 第52-53页 |
| 4.4.4 黑词检测模型的特征提取过程 | 第53页 |
| 4.4.5 黑词检测模型的特征选择过程 | 第53-54页 |
| 4.4.6 实验环境及配置 | 第54页 |
| 4.4.7 实验结果分析 | 第54-59页 |
| 4.4.8 黑词检测模型总结 | 第59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文研究工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文 | 第69页 |
