| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 致谢 | 第10-17页 |
| 第一章 绪论 | 第17-25页 |
| ·特征选择 | 第18-19页 |
| ·因果发现与贝叶斯网络结构学习 | 第19-21页 |
| ·新兴模式(Emerging patterns) | 第21-23页 |
| ·课题来源与主要研究内容 | 第23-24页 |
| ·课题来源 | 第23页 |
| ·主要研究内容 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第二章 流特征下的在线特征选择算法 | 第25-45页 |
| ·引言 | 第25-26页 |
| ·流特征下的在线特征选择框架 | 第26-29页 |
| ·流特征下的在线特征选择算法 | 第29-34页 |
| ·在线流特征选择算法-OSFS | 第29-32页 |
| ·Fast-OSFS算法 | 第32-34页 |
| ·实验结果与分析 | 第34-44页 |
| ·实验环境与实验数据 | 第34页 |
| ·OSFS、Grafting和Alpha-investing算法比较 | 第34-36页 |
| ·Fast-OSFS、Grafting和Alpha-investing算法比较 | 第36-37页 |
| ·OSFS和Fast-OSFS算法实验比较 | 第37-38页 |
| ·时间复杂度分析 | 第38-40页 |
| ·未知特征空间下的流特征选择 | 第40-42页 |
| ·实验小结 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第三章 流特征下的在线局部因果关系发现算法 | 第45-63页 |
| ·引言 | 第45-47页 |
| ·符号与概念 | 第47-48页 |
| ·流特征下的在线局部因果关系发现算法 | 第48-53页 |
| ·CDSFS算法 | 第48-51页 |
| ·S-CDFSF算法 | 第51-53页 |
| ·算法的时间复杂度分析 | 第53页 |
| ·实验结果与分析 | 第53-62页 |
| ·实验环境与实验数据 | 第53-54页 |
| ·精度、召回率和距离的实验比较 | 第54-57页 |
| ·分析α取不同值时CDFSF算法的性能 | 第57-58页 |
| ·算法运行时间比较 | 第58-59页 |
| ·三个算法渐近行为分析 | 第59-62页 |
| ·小结 | 第62-63页 |
| 第四章 流特征下的在线模式挖掘算法 | 第63-104页 |
| ·引言 | 第63-65页 |
| ·定义和符号 | 第65-68页 |
| ·基于因果相关性与EP模式的鉴别力的高维EP模式挖掘 | 第68-88页 |
| ·因果相关性与EP模式的鉴别力之间关系的理论分析 | 第68-73页 |
| ·高维数据下EP模式挖掘的新框架 | 第73-74页 |
| ·实验结果 | 第74-88页 |
| ·流特征下的EP模式挖掘算法 | 第88-103页 |
| ·流特征下的EP模式挖掘算法 | 第89-92页 |
| ·EPSF算法 | 第92-94页 |
| ·试验结果与分析 | 第94-103页 |
| ·小结 | 第103-104页 |
| 第五章 流特征下的火星图片中的陨石坑自动检测算法 | 第104-116页 |
| ·引言 | 第104-107页 |
| ·火星上的陨石坑检测研究 | 第107-108页 |
| ·基于流特征选择的自动陨石坑检测算法 | 第108-112页 |
| ·OSFS和Fast-OSFS与Alpha-investing的实验比较 | 第109-111页 |
| ·与传统的特征选择算法的实验比较 | 第111-112页 |
| ·基于新兴模式的自动陨石坑检测算法 | 第112-115页 |
| ·EPSF算法在陨石坑数据上挖掘的EP模式 | 第112-113页 |
| ·对比现有的陨石坑检测方法 | 第113-114页 |
| ·与其他方法对比 | 第114-115页 |
| ·小结 | 第115-116页 |
| 第六章 结束语 | 第116-118页 |
| ·主要研究工作 | 第116-117页 |
| ·下一步工作 | 第117-118页 |
| 参考文献 | 第118-125页 |
| 攻读博士学位期间参加研究的课题和发表的论文 | 第125-126页 |
