| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11页 |
| 1.1.2 课题研究目的和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 第2章 特征选择基础方法 | 第16-25页 |
| 2.1 特征选择的原理 | 第16-17页 |
| 2.2 特征选择的基本组成 | 第17-20页 |
| 2.2.1 子集产生 | 第17-18页 |
| 2.2.2 子集的评估 | 第18-19页 |
| 2.2.3 停止准则 | 第19页 |
| 2.2.4 结果验证 | 第19-20页 |
| 2.3 特征选择的分类 | 第20-21页 |
| 2.4 常用的特征选择方法 | 第21-24页 |
| 2.4.1 文档频率（DF） | 第21-22页 |
| 2.4.2 信息增益（IG） | 第22页 |
| 2.4.3 互信息（MI） | 第22-23页 |
| 2.4.4 χ~2 统计量(CHI) | 第23-24页 |
| 2.4.5 期望交叉熵(Expected Cross Entropy,ECE) | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 信息增益特征选择方法分析与改进 | 第25-31页 |
| 3.1 引言 | 第25页 |
| 3.2 信息增益概述 | 第25-26页 |
| 3.3 竞争获胜机制的特征选择方法分析 | 第26-27页 |
| 3.3.1 TWFS算法的实现 | 第26-27页 |
| 3.3.2 逻辑回归分类模型(Logistic Regression) | 第27页 |
| 3.4 实验结果与分析 | 第27-30页 |
| 3.4.1 数据集 | 第28页 |
| 3.4.2 评价指标 | 第28-29页 |
| 3.4.3 实验结果 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于一种新框架的有效特征选择 | 第31-43页 |
| 4.1 引言 | 第31页 |
| 4.2 特征的相关和特征的冗余 | 第31-33页 |
| 4.2.1 特征相关 | 第31-32页 |
| 4.2.2 定义特征冗余 | 第32-33页 |
| 4.3 有效的特征选择算法-通过分析相关和冗余 | 第33-35页 |
| 4.3.1 现有处理相关和冗余的方法 | 第34页 |
| 4.3.2 一种新的有效特征选择框架 | 第34-35页 |
| 4.4 相关测量方法 | 第35-38页 |
| 4.5 算法与分析 | 第38-39页 |
| 4.6 实验结果与分析 | 第39-42页 |
| 4.6.1 分类器 | 第39页 |
| 4.6.2 基础数据集 | 第39-40页 |
| 4.6.3 实验结果 | 第40-42页 |
| 4.7 本章小结 | 第42-43页 |
| 结论 | 第43-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士学位期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |