| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-18页 |
| 1.1 引言 | 第11-14页 |
| 1.2 本文研究内容与创新点 | 第14-16页 |
| 1.2.1 本文研究内容 | 第14-16页 |
| 1.2.2 本文创新点 | 第16页 |
| 1.3 论文结构 | 第16-18页 |
| 2 特征选择与视觉注意机制 | 第18-28页 |
| 2.1 特征选择及其归类方式 | 第18-23页 |
| 2.1.1 基于搜索策略的归类方式 | 第19-20页 |
| 2.1.2 基于子集构造方法的归类方式 | 第20-21页 |
| 2.1.3 基于评价准则的归类方式 | 第21-23页 |
| 2.1.4 其它归类方式 | 第23页 |
| 2.2 视觉注意机制及其对特征选择的启发 | 第23-27页 |
| 2.2.1 视觉注意机制 | 第23-24页 |
| 2.2.2 视觉注意机制对特征分组排序的启发 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 视觉注意机制启发的GSFS算法 | 第28-46页 |
| 3.1 GSFS算法对视觉注意机制的模拟 | 第28-29页 |
| 3.2 GSFS算法的基本原理 | 第29-36页 |
| 3.2.1 特征分组指标 | 第30-32页 |
| 3.2.2 特征排序指标 | 第32-34页 |
| 3.2.3 结合两种准则的GSFS算法 | 第34-36页 |
| 3.3 GSFS算法特征选择效果的实验测评 | 第36-45页 |
| 3.3.1 标准数据集 | 第36-37页 |
| 3.3.2 GSFS算法的分类效果测评 | 第37-43页 |
| 3.3.3 GSFS算法的去冗余效果测评 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于分布处理策略的DP_GSFS算法 | 第46-55页 |
| 4.1 算法计算复杂度分析与分布处理策略 | 第46-47页 |
| 4.2 DP_GSFS算法及其实验测评 | 第47-52页 |
| 4.2.1 DP_GSFS算法概述 | 第47-48页 |
| 4.2.2 DP_GSFS算法的分类效果和去冗余效果 | 第48-51页 |
| 4.2.3 DP_GSFS算法的计算效率分析 | 第51-52页 |
| 4.3 算法在实际问题中的应用 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 结束语 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第63页 |