| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 本文主要工作 | 第8-10页 |
| 2 数据挖掘常用算法 | 第10-21页 |
| 2.1 数据预处理 | 第10-13页 |
| 2.1.1 数据标准化 | 第10-11页 |
| 2.1.2 数据离散化 | 第11-12页 |
| 2.1.3 基于LC-MS代谢组学数据集的峰匹配算法 | 第12-13页 |
| 2.2 特征选择 | 第13-15页 |
| 2.2.1 MIFS | 第13-14页 |
| 2.2.2 CMIM | 第14页 |
| 2.2.3 mRMR | 第14-15页 |
| 2.2.4 NMIFS | 第15页 |
| 2.2.5 MIFS-CR | 第15页 |
| 2.3 分类 | 第15-18页 |
| 2.3.1 支持向量机 | 第15-18页 |
| 2.3.2 分类器性能评估 | 第18页 |
| 2.4 数据可视化 | 第18-20页 |
| 2.4.1 散点图 | 第19页 |
| 2.4.2 t-SNE | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于对称不确定性和信息交互增益的特征选择算法 | 第21-32页 |
| 3.1 变量之间的依赖关系 | 第21-22页 |
| 3.2 IG-RFE算法 | 第22-26页 |
| 3.2.1 特征与类标的相关性度量 | 第22-23页 |
| 3.2.2 特征之间的互补性度量 | 第23-24页 |
| 3.2.3 IG-RFE算法 | 第24-26页 |
| 3.3 实验 | 第26-31页 |
| 3.3.1 实验设置 | 第26页 |
| 3.3.2 实验结果 | 第26-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于协同作用网络的特征选择算法 | 第32-46页 |
| 4.1 基于网络的数据处理方法 | 第32页 |
| 4.2 IG-Net算法 | 第32-36页 |
| 4.3 实验 | 第36-43页 |
| 4.3.1 实验设置 | 第36页 |
| 4.3.2 实验结果 | 第36-43页 |
| 4.4 IG-RFE算法与IG-Net算法的比较 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-53页 |