| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状及分析 | 第13-15页 |
| 1.3 主要研究内容及创新点 | 第15-16页 |
| 1.4 本文内容及章节安排 | 第16-18页 |
| 第二章 相关理论及技术原理 | 第18-27页 |
| 2.1 特征选择概述 | 第18-20页 |
| 2.1.1 特征选择目标 | 第18-19页 |
| 2.1.2 特征子集搜索方法 | 第19页 |
| 2.1.3 特征子集评价准则 | 第19-20页 |
| 2.2 特征选择算法 | 第20-23页 |
| 2.2.1 单标签特征选择算法 | 第20-22页 |
| 2.2.2 多标签特征选择算法 | 第22-23页 |
| 2.3 多标签分类算法 | 第23-26页 |
| 2.3.1 多标签分类算法概述 | 第23-24页 |
| 2.3.2 多标签分类算法ML-KNN | 第24-25页 |
| 2.3.3 性能评价指标 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于ReliefF的多标签特征选择算法研究 | 第27-46页 |
| 3.1 Relief特征选择算法 | 第27-28页 |
| 3.1.1 问题描述和相关定义 | 第27-28页 |
| 3.1.2 Relief算法描述 | 第28页 |
| 3.2 ReliefF单标签特征选择算法 | 第28-30页 |
| 3.2.1 问题描述和相关定义 | 第28-29页 |
| 3.2.2 ReliefF算法描述 | 第29-30页 |
| 3.3 基于ReliefF的过滤式多标签特征选择算法 | 第30-38页 |
| 3.3.1 问题描述和相关定义 | 第30-31页 |
| 3.3.2 多标签特征选择算法MLRF | 第31-33页 |
| 3.3.3 实验与分析 | 第33-38页 |
| 3.4 基于ReliefF和互信息的组合式多标签特征选择算法 | 第38-45页 |
| 3.4.1 特征冗余度量 | 第38-39页 |
| 3.4.2 MML-RF算法描述 | 第39-42页 |
| 3.4.3 实验与分析 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 融合ReliefF和遗传算法的多标签特征选择算法 | 第46-57页 |
| 4.1 问题描述及相关定义 | 第46-47页 |
| 4.2 遗传算法描述 | 第47-48页 |
| 4.3 基于遗传算法的多标签特征选择 | 第48-49页 |
| 4.4 混合式多标签特征选择算法MLRF-GA | 第49-51页 |
| 4.5 实验与分析 | 第51-56页 |
| 4.6 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间发表论文 | 第65-67页 |
| 致谢 | 第67页 |
