| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状分析 | 第10-13页 |
| ·特征选择算法发展方向 | 第13-14页 |
| ·本文研究内容及主要工作 | 第14-17页 |
| 第2章 特征选择算法 | 第17-30页 |
| ·特征选择算法基本理论 | 第17-19页 |
| ·特征选择算法分类 | 第19-23页 |
| ·信息论基本理论 | 第23-29页 |
| ·信息熵理论基础 | 第23-26页 |
| ·互信息 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于最大相关性与最小冗余性结合的特征选择改进算法 | 第30-41页 |
| ·基于相关性的特征衡量标准 | 第30-31页 |
| ·基于冗余性的特征衡量标准 | 第31页 |
| ·基于最大相关性与最小冗余性结合的特征选择改进算法 | 第31-39页 |
| ·算法原理 | 第32-36页 |
| ·算法具体流程 | 第36-37页 |
| ·WmRMR 算法伪代码 | 第37-39页 |
| ·算法分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于神经模糊的特征子集评价标准 | 第41-48页 |
| ·神经模糊理论 | 第41-43页 |
| ·基于神经模糊的特征子集评价标准 | 第43-47页 |
| ·算法定义及优势说明 | 第43-45页 |
| ·离散距离 | 第45-47页 |
| ·算法分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于基因表达数据的算法验证及结果分析 | 第48-66页 |
| ·基因表达数据 | 第48-50页 |
| ·基因表达数据获取方式 | 第49页 |
| ·面向基因表达数据的特征选择算法要求 | 第49-50页 |
| ·数据预处理与分类器 | 第50-52页 |
| ·数据来源 | 第50-51页 |
| ·数据预处理 | 第51页 |
| ·SVM 分类器 | 第51-52页 |
| ·实验结果与分析 | 第52-64页 |
| ·基于相关性与冗余性的特征选择 | 第52-56页 |
| ·基于加权改进的最大相关最小冗余特征选择算法 | 第56-60页 |
| ·模糊子集评价准则E 值函数实验分析 | 第60-64页 |
| ·本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务及主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |