面向图数据的特征选择方法及其应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 选题背景与研究意义 | 第12-13页 |
| 1.2 脑网络简介 | 第13-15页 |
| 1.3 特征选择 | 第15-17页 |
| 1.3.1 特征选择概述 | 第15-16页 |
| 1.3.2 面向图数据的特征选择 | 第16-17页 |
| 1.4 本文的主要研究工作和内容安排 | 第17-20页 |
| 第二章 基于子图选择的图数据特征选择方法 | 第20-32页 |
| 2.1 引言 | 第20-21页 |
| 2.2 子图选择 | 第21-25页 |
| 2.2.1 子图挖掘的一些概念简述 | 第21页 |
| 2.2.2 频繁子图挖掘 | 第21-23页 |
| 2.2.3 子图选择 | 第23-25页 |
| 2.3 基于图核的降维方法 | 第25-27页 |
| 2.4 分类 | 第27-28页 |
| 2.5 实验及结果分析 | 第28-30页 |
| 2.5.1 数据采集与预处理 | 第28-29页 |
| 2.5.2 实验设置 | 第29页 |
| 2.5.3 实验结果及分析 | 第29-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于HSIC准则的图数据特征选择方法 | 第32-40页 |
| 3.1 引言 | 第32-33页 |
| 3.2 HSIC准则 | 第33页 |
| 3.3 基于HSIC准则的特征选择方法 | 第33-35页 |
| 3.4 实验 | 第35-39页 |
| 3.4.1 数据采集与预处理 | 第35-36页 |
| 3.4.2 实验设置 | 第36页 |
| 3.4.3 实验结果与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于多特征融合的脑网络分析方法 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 基于脑区特征的方法 | 第40-42页 |
| 4.3 基于子图特征的方法 | 第42页 |
| 4.4 多核学习 | 第42-43页 |
| 4.5 实验 | 第43-47页 |
| 4.5.1 数据集介绍 | 第43页 |
| 4.5.2 实验结果及分析 | 第43-45页 |
| 4.5.3 最具判别性的脑区 | 第45页 |
| 4.5.4 最具判别性的脑连接模式 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文总结 | 第48-49页 |
| 5.2 未来工作展望 | 第49-50页 |
| 参考文献 | 第50-58页 |
| 致谢 | 第58-59页 |
| 在学期间的研究成果及发表的学术论文 | 第59页 |
