| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 前言 | 第8-11页 |
| 第二章 特征选择信息论算法回顾 | 第11-23页 |
| ·信息论的几个基本概念 | 第11-16页 |
| ·信息 | 第11页 |
| ·一元、二元离散随机变量的信息论概念 | 第11-13页 |
| ·三元离散随机变量的信息论概念 | 第13-16页 |
| ·用信息论的方法进行特征选择 | 第16-23页 |
| ·概述 | 第16-18页 |
| ·以I(F_i;C)- βI(F_i; F_s ) 代替I( F_iS; C ) 的 MIFS 算法 | 第18-19页 |
| ·近似计算I(C;F_i| F_s ) 的 MIFS-U 算法 | 第19-23页 |
| 第三章 特征选择信息论算法存在的问题 | 第23-33页 |
| ·权重系数β的选择问题 | 第23-26页 |
| ·随已选输入特征增加引起的权重系数变大效应及改进方法 | 第26-28页 |
| ·第一特征的选择问题 | 第28-29页 |
| ·MIFS-U 算法近似计算I（C;F_i | F_s ）的条件限制 | 第29-33页 |
| 第四章 一种新的特征选择信息论算法 | 第33-47页 |
| ·两类情况下I(C;F_i F_s ) 的计算 | 第34-36页 |
| ·概率质量函数的直方图近似方法 | 第36-39页 |
| ·直方图的边界问题 | 第36-39页 |
| ·用两类样本的直方图获得总样本的直方图 | 第39页 |
| ·用直方图计算互信息的算法流程 | 第39-42页 |
| ·一维信息熵的直方图算法流程 | 第39-40页 |
| ·二维联合信息熵的算法流程 | 第40页 |
| ·二维互信息的算法 | 第40页 |
| ·I(F_i F_s; C ) 的算法流程 | 第40-42页 |
| ·特征选择的新算法及实验结果 | 第42-47页 |
| ·第一特征选择算法的改进 | 第42-43页 |
| ·后续特征选择的新算法 | 第43-45页 |
| ·实验结果及分析 | 第45页 |
| ·新的信息论特征选择算法流程 | 第45-47页 |
| 第五章 一个特征选择信息论算法的应用实例 | 第47-56页 |
| ·问题描述及实验方法 | 第47-50页 |
| ·特征选择算法流程图 | 第50-52页 |
| ·第一特征选择的算法流程 | 第50页 |
| ·几种后续特征选择方法的算法流程 | 第50-52页 |
| ·实验结果及性能比较 | 第52-56页 |
| ·几种特征选择算法的结果 | 第52页 |
| ·改进前后 MIFS 算法的特征选择性能比较 | 第52-53页 |
| ·改进前后 MIFS-U 算法的特征选择性能比较 | 第53-54页 |
| ·MIFS-A 算法和MIFS-D 算法的特征选择性能比较 | 第54页 |
| ·改进之后的MIFS-UA 算法和 MIFS-D 算法的特征选择性能比较 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考资料 | 第57-58页 |
| 作者简介 | 第58页 |
