基于粒化机理的粗糙特征选择高效算法研究

中文摘要	第1-12页
ABSTRACT	第12-14页
第一章 绪论	第14-32页
·海量高维数据知识发现的研究意义	第14-15页
·基于粒化机理的粗糙特征选择研究现状	第15-22页
·特征选择的定义	第16-18页
·基于粗糙集理论的特征选择	第18-20页
·粗糙集理论基本概念	第20-22页
·动态数据集知识发现	第22-26页
·基于粗糙集的动态数据挖掘	第23-25页
·增量式粗糙特征选择研究现状	第25-26页
·面向混合数据的粗糙特征选择	第26-28页
·本文的研究框架	第28-32页
·研究思路	第28-29页
·研究内容和组织结构	第29-32页
第二章 多粒度视角的大规模数据集高效特征选择	第32-60页
·问题描述	第32-33页
·大规模数据集样本的选取	第33-39页
·样本规模的确定	第33-35页
·抽样原则	第35-37页
·大规模数据集样本选取算法	第37-39页
·样本上特征选择的求解	第39-44页
·三种代表性信息熵的定义	第39-41页
·启发式粗糙特征选择的加速算法	第41-44页
·算法时间复杂度分析	第44页
·多个样本上特征选择结果的融合	第44-46页
·多粒度视角的高效特征选择算法	第46-48页
·实验分析	第48-57页
·有效性实验分析	第48-50页
·高效性实验分析	第50-51页
·算法在海量规模数据中的应用	第51-57页
·本章小结	第57-60页
第三章 动态数据集的增量式特征选择	第60-90页
·问题描述	第60-61页
·基于信息熵的粗糙特征选择	第61-62页
·基于信息熵的增量式粗糙特征选择	第62-71页
·信息熵的单增量机制	第62-66页
·单增量式粗糙特征选择分析	第66-68页
·算法设计	第68-71页
·基于信息熵的组增量式粗糙特征选择	第71-82页
·信息熵的组增量机制	第71-76页
·核属性的组增量式求解	第76-79页
·一种组增量式粗糙特征选择算法	第79-82页
·实验分析	第82-89页
·有效性实验分析	第82-84页
·高效性实验分析	第84-88页
·与现有增量算法的比较	第88-89页
·本章小结	第89-90页
第四章 动态数据集的维数增量式特征选择	第90-104页
·问题描述	第90-91页
·信息熵的维数增量机制	第91-94页
·基于信息熵的维数增量特征选择算法	第94-97页
·算法设计	第94-96页
·算法时间复杂度分析	第96-97页
·实验分析	第97-99页
·有效性实验分析	第97-99页
·高效性实验分析	第99页
·本章小结	第99-104页
第五章 面向数据取值动态变化的特征选择	第104-120页
·问题描述	第104-105页
·数据取值动态变化的信息熵更新机制	第105-109页
·面向数据取值动态变化的粗糙特征选择算法	第109-112页
·算法设计	第109-111页
·算法时间复杂度分析	第111-112页
·实验分析	第112-115页
·有效性实验分析	第113-115页
·高效性实验分析	第115页
·本章小结	第115-120页
第六章 面向大规模混合数据的高效特征选择	第120-134页
·问题描述	第120-121页
·大规模混合数据集样本的选取	第121-125页
·样本规模的确定	第121-124页
·样本选取算法	第124-125页
·样本集上求解特征选择	第125-127页
·面向混合数据集的多粒度视角特征选择算法	第127-128页
·实验分析	第128-131页
·有效性实验分析	第128-131页
·高效性实验分析	第131页
·本章小结	第131-134页
结论及展望	第134-136页
参考文献	第136-152页
研究成果	第152-154页
攻读博士学位期间主持(参与)的科研项目	第154-156页
攻读博士学位期间获奖及登记的计算机软件著作权	第156-158页
致谢	第158-160页
个人简况及联系方式	第160-164页