一种数据挖掘中的特征子集选取模型研究和应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的工作及组织结构 | 第12-14页 |
| 2 基础理论概述 | 第14-23页 |
| ·数据挖掘 | 第14页 |
| ·特征提取 | 第14-15页 |
| ·统计学习理论 | 第15-17页 |
| ·经验风险最小化 | 第15-16页 |
| ·结构风险最小化 | 第16-17页 |
| ·支持向量机理论 | 第17-22页 |
| ·支持向量机基础 | 第17-18页 |
| ·线性分类器 | 第18-20页 |
| ·非线性分类器 | 第20页 |
| ·核函数 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 分位数及相对熵特征提取模型及应用 | 第23-35页 |
| ·分位数特征提取模型 | 第23-26页 |
| ·分位数的概念 | 第23-24页 |
| ·分位数特征提取模型 | 第24-26页 |
| ·相对熵特征提取模型 | 第26-28页 |
| ·相对熵的概念 | 第26-27页 |
| ·相对熵特征提取模型 | 第27-28页 |
| ·特征提取模型的应用 | 第28-34页 |
| ·数据采集 | 第28页 |
| ·数据预处理 | 第28-30页 |
| ·分位数及相对熵特征提取模型 | 第30-32页 |
| ·模型求解 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 支持向量机特征提取优化模型及应用 | 第35-43页 |
| ·支持向量机特征提取优化模型 | 第35-37页 |
| ·模型总体思路 | 第35-36页 |
| ·确定判别函数 | 第36-37页 |
| ·浮动序列前进算法 | 第37-38页 |
| ·支持向量机优化 | 第38-39页 |
| ·模型的应用 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 5 总结和展望 | 第43-46页 |
| ·本文的总结 | 第43-44页 |
| ·下一步的研究工作 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48页 |
