| 摘要 | 第1-11页 |
| Abstract | 第11-13页 |
| 第一章 绪论 | 第13-37页 |
| ·研究背景 | 第13-22页 |
| ·文本分类中特征选择需求背景 | 第13-15页 |
| ·文本分类相关概念与技术 | 第15-18页 |
| ·特征选择的提出 | 第18-20页 |
| ·文本分类中特征选择的重要意义 | 第20-22页 |
| ·相关工作分析与挑战 | 第22-32页 |
| ·特征选择和特征抽取的比较 | 第22-24页 |
| ·特征选择研究 | 第24-28页 |
| ·主要特征选择算法分析 | 第28-31页 |
| ·文本分类中特征选择的挑战 | 第31-32页 |
| ·本文工作与创新点 | 第32-35页 |
| ·主要研究内容 | 第32-33页 |
| ·主要创新点 | 第33-35页 |
| ·论文结构 | 第35-37页 |
| 第二章 有监督学习模式下层次化文本分类中的特征选择 | 第37-59页 |
| ·问题描述 | 第37-38页 |
| ·相关工作分析 | 第38-44页 |
| ·多类特征选择方法 | 第38-40页 |
| ·层次化特征选择方法 | 第40-42页 |
| ·去除冗余特征方法 | 第42-44页 |
| ·层次化特征选择算法FSRRH | 第44-51页 |
| ·实例分析 | 第44-45页 |
| ·抽取不同的训练集 | 第45-47页 |
| ·去除冗余特征 | 第47-49页 |
| ·算法FSRRH的描述 | 第49-51页 |
| ·实验验证 | 第51-58页 |
| ·实验环境 | 第51-52页 |
| ·实验结果和分析 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第三章 基于相关集准则的半监督特征选择算法 | 第59-85页 |
| ·问题描述 | 第59-60页 |
| ·相关工作分析 | 第60-69页 |
| ·无监督特征选择 | 第60-64页 |
| ·半监督特征选择 | 第64-66页 |
| ·相关集准则 | 第66-69页 |
| ·半监督特征选择算法SFRSC | 第69-76页 |
| ·类别标号扩展 | 第69-71页 |
| ·对重叠部分的处理 | 第71-72页 |
| ·划分结果评价方法 | 第72-73页 |
| ·算法SFRSC的描述 | 第73-76页 |
| ·实验验证 | 第76-83页 |
| ·实验环境 | 第76-77页 |
| ·评价标准 | 第77-78页 |
| ·实验结果和分析 | 第78-83页 |
| ·本章小结 | 第83-85页 |
| 第四章 适用于多种监督学习模式的特征选择方法 | 第85-105页 |
| ·问题描述 | 第85-86页 |
| ·相关工作分析 | 第86-88页 |
| ·核方法 | 第86-87页 |
| ·相关特征选择方法 | 第87-88页 |
| ·HSIC相关理论 | 第88-90页 |
| ·再生核Hilbert空间（RKHS） | 第88-89页 |
| ·基于RKHS的相关性标准 | 第89-90页 |
| ·HSIC的优点 | 第90页 |
| ·适用于多种监督学习模式的特征选择方法FSM_HSIC | 第90-95页 |
| ·方法FSM_HSIC描述 | 第91-92页 |
| ·核函数的选择 | 第92-93页 |
| ·方法FSM_HSIC对现有算法的解释 | 第93-95页 |
| ·交互特征选择算法FSI | 第95-98页 |
| ·特征交互性 | 第95-96页 |
| ·算法FSI的描述 | 第96-98页 |
| ·对算法FSI的实验验证 | 第98-104页 |
| ·实验环境 | 第98-99页 |
| ·实验结果和分析 | 第99-104页 |
| ·本章小结 | 第104-105页 |
| 第五章 监督信息不确定的特征选择算法 | 第105-119页 |
| ·问题描述 | 第105-106页 |
| ·相关工作分析 | 第106-109页 |
| ·处理不确定数据的方法 | 第106-108页 |
| ·基于不确定数据的特征选择 | 第108-109页 |
| ·监督信息不确定的特征选择算法FSUNT | 第109-113页 |
| ·以概率的形式表示不确定性 | 第109-110页 |
| ·以信息熵的形式表示不确定性 | 第110-111页 |
| ·算法FSUNT的描述 | 第111-113页 |
| ·实验验证 | 第113-118页 |
| ·实验环境 | 第113-114页 |
| ·实验结果和分析 | 第114-118页 |
| ·本章小结 | 第118-119页 |
| 第六章 结论与展望 | 第119-123页 |
| ·工作总结 | 第119-120页 |
| ·研究展望 | 第120-123页 |
| 致谢 | 第123-125页 |
| 参考文献 | 第125-139页 |
| 作者在学期间取得的学术成果 | 第139-141页 |
| 攻读博士学位期间参与的科研项目 | 第141页 |