| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究的目的与意义 | 第10-11页 |
| ·特征选择概述 | 第11-15页 |
| ·特征选择的定义 | 第11-12页 |
| ·特征选择与分类学习的关系 | 第12页 |
| ·特征选择的历史和研究现状 | 第12-14页 |
| ·特征选择研究的关键问题与研究趋势 | 第14-15页 |
| ·本文主要研究内容与结构安排 | 第15-17页 |
| 第2章 模式分类中特征选择技术 | 第17-28页 |
| ·特征选择的基本框架 | 第17-22页 |
| ·子集生成 | 第18-20页 |
| ·评价测度 | 第20-22页 |
| ·停止条件 | 第22页 |
| ·特征选择算法分类 | 第22-25页 |
| ·按样本是否标记分类 | 第22-23页 |
| ·按与学习算法的结合方式分类 | 第23-25页 |
| ·分类技术 | 第25-27页 |
| ·分类步骤 | 第25-26页 |
| ·常用的分类算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于 PCA 的分层 Filter 式特征选择算法 | 第28-42页 |
| ·特征选择与特征提取 | 第28-29页 |
| ·信息论概述 | 第29-33页 |
| ·信息熵 | 第29-30页 |
| ·条件熵和联合熵 | 第30页 |
| ·互信息 | 第30-31页 |
| ·信息熵的计算 | 第31-32页 |
| ·基于互信息的子集评价准则 | 第32-33页 |
| ·基于 PCA 的分层过滤特征选择的过程和原理 | 第33-37页 |
| ·数据集预处理 | 第34页 |
| ·不相关特征过滤 | 第34-35页 |
| ·降维与冗余过滤 | 第35-37页 |
| ·实验结果与分析 | 第37-41页 |
| ·实验数据集 | 第37页 |
| ·每层的特征维数和分类正确率变化 | 第37-38页 |
| ·分类正确率随特征维数变化 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于信息相关性的嵌入式动态特征选择算法 | 第42-53页 |
| ·特征的信息相关性 | 第42-45页 |
| ·相关性介绍 | 第42-43页 |
| ·线性相关度量 | 第43-44页 |
| ·信息相关度量 | 第44-45页 |
| ·基于相关性的嵌入式动态特征选择 | 第45-47页 |
| ·动态选择 | 第45-47页 |
| ·算法描述 | 第47页 |
| ·实验结果与分析 | 第47-52页 |
| ·实验数据集 | 第47-48页 |
| ·特征选择的特征子集大小和分类正确率 | 第48-49页 |
| ·分类正确率随特征维数变化 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |