类重叠度与特征重叠区域的特征选择算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-13页 |
| 1.1 数据挖掘的定义与发展 | 第10-11页 |
| 1.2 研究的背景及意义 | 第11页 |
| 1.3 本文的主要工作 | 第11-13页 |
| 2 数据挖掘中常用的数据处理技术 | 第13-25页 |
| 2.1 分类技术 | 第13-20页 |
| 2.1.1 支持向量机 | 第14-15页 |
| 2.1.2 朴素贝叶斯 | 第15页 |
| 2.1.3 k近邻分类器 | 第15-16页 |
| 2.1.4 决策树 | 第16-18页 |
| 2.1.5 人工神经网络 | 第18-19页 |
| 2.1.6 分类模型性能的评价方法 | 第19-20页 |
| 2.2 特征选择与抽取技术 | 第20-23页 |
| 2.2.1 Filter方法概述 | 第20-21页 |
| 2.2.2 Wrapper方法概述 | 第21-22页 |
| 2.2.3 Embedded方法概述 | 第22-23页 |
| 2.2.4 特征抽取技术 | 第23页 |
| 2.3 聚类技术分析 | 第23页 |
| 2.4 数据预处理技术 | 第23-24页 |
| 2.4.1 数据标准化 | 第24页 |
| 2.4.2 缺失值处理和离群点检测 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于SVM-RFE和类重叠度的特征选择算法 | 第25-35页 |
| 3.1 基于支持向量机的迭代特征消减算法 | 第25-27页 |
| 3.2 类重叠度 | 第27-28页 |
| 3.3 SVM-RFE-COA特征选择算法 | 第28-29页 |
| 3.4 M-SVM-RFE-COA特征选择算法 | 第29-30页 |
| 3.5 实验与结果讨论 | 第30-34页 |
| 3.5.1 实验设置 | 第30-31页 |
| 3.5.2 实验评价指标 | 第31-32页 |
| 3.5.3 结果讨论 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于特征重叠区域的特征选择算法MERGS | 第35-48页 |
| 4.1 基于有效区间的特征选择算法ERGS | 第35-37页 |
| 4.2 MERGS特征选择算法 | 第37-41页 |
| 4.2.1 特征重叠区域的研究 | 第37-40页 |
| 4.2.2 MERGS特征选择算法描述 | 第40-41页 |
| 4.3 实验与结果 | 第41-46页 |
| 4.3.1 实验设置 | 第41-42页 |
| 4.3.2 结果讨论 | 第42-46页 |
| 4.4 本章小结 | 第46-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
