首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

最大相关最小冗余的无监督特征选择算法的研究及其应用

摘要第1-7页
Abstract第7-11页
1 绪论第11-17页
   ·研究的背景和意义第11-14页
   ·本文的研究内容和主要工作第14-15页
   ·本文的组织结构第15-17页
2 无监督特征选择概述第17-34页
   ·特征选择概述第17-18页
     ·特征选择的目的及其意义第17-18页
     ·特征选择的定义及其关键问题第18页
   ·无监督特征选择第18-28页
     ·基本原理第18-19页
     ·研究现状第19-23页
     ·一般步骤第23-24页
     ·基于统计学的过滤式无监督特征选择算法第24-28页
   ·无监督特征选择与有监督特征选择研究方法的异同第28-33页
     ·搜索策略第28-29页
     ·评价准则第29-33页
   ·本章小结第33-34页
3 基于最大相关和最小冗余的过滤式无监督特征选择算法第34-55页
   ·理论基础第34-36页
     ·特征的相关与冗余第34-36页
     ·AC准则第36页
   ·算法的提出第36-38页
     ·最大相关和最小冗余的有监督特征选择的研究现状第36-37页
     ·算法的主要思想第37-38页
   ·LS-CORR算法第38-43页
     ·LS-CORR算法的介绍及分析第38-41页
     ·LS-CORR算法具体参数设置第41页
     ·实验结果及分析第41-43页
   ·LS-EC算法第43-53页
     ·聚类集成基本思想第44-45页
     ·LS-EC算法的聚类集成方法第45-47页
     ·CFS特征选择算法第47-48页
     ·LS-EC算法的介绍及分析第48-51页
     ·LS-EC算法具体参数设置第51-52页
     ·实验结果及分析第52-53页
   ·本章小结第53-55页
4 LS和LS-CORR算法在烤烟烟叶致香成份关键指标中的应用第55-65页
   ·烟叶致香成份关键指标的研究第55-57页
     ·背景和意义第55-56页
     ·研究现状第56-57页
   ·数据准备第57-58页
   ·实验与分析第58-63页
     ·实验方法与流程第58-60页
     ·算法参数设置第60页
     ·实验结果与分析第60-63页
   ·本章小结第63-65页
5 总结和展望第65-67页
   ·工作总结第65-66页
   ·工作展望第66-67页
参考文献第67-72页
致谢第72-73页
个人简历、在学期间发表的学术论文第73页

论文共73页,点击 下载论文
上一篇:基于遗传算法的自动组卷系统的研究与实现
下一篇:基于RIA技术的高校精品课程网站的研究与设计