基于粗糙集的特征选择算法研究及应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题背景 | 第7-8页 |
| ·特征选择算法简介 | 第8-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 有监督特征加权算法研究 | 第11-21页 |
| ·粗糙集理论与发展 | 第11-16页 |
| ·基于粗糙集的特征选择算法 | 第16页 |
| ·有监督特征加权算法的比较研究 | 第16-21页 |
| ·基于间隔的特征加权算法 | 第16-19页 |
| ·基于模糊依赖度的特征加权算法 | 第19-21页 |
| 第三章 有监督特征加权算法的比较实验 | 第21-34页 |
| ·四种算法学习权值的性能实验 | 第21-25页 |
| ·四种算法在分类器上的性能实验 | 第25-30页 |
| ·四种算法对噪声特征的剔除机制 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 半监督特征选择算法研究 | 第34-41页 |
| ·半监督学习 | 第34-36页 |
| ·半监督特征选择 | 第36-37页 |
| ·基于模糊粗糙集的半监督特征选择算法 | 第37-41页 |
| ·图谱分析理论 | 第37-38页 |
| ·sSelect 算法原理 | 第38-39页 |
| ·基于图谱分析和模糊粗糙集的半监督特征选择算法 | 第39-41页 |
| 第五章 半监督特征选择在恒星分类问题中的应用 | 第41-51页 |
| ·恒星分类问题描述 | 第41-42页 |
| ·恒星数据预处理 | 第42-46页 |
| ·数据滤波及标准化处理 | 第43-44页 |
| ·提取特征 | 第44-45页 |
| ·恒星样本标记 | 第45-46页 |
| ·半监督特征选择应用于恒星分类 | 第46-49页 |
| ·邻域传播算法应用于恒星分类 | 第49-51页 |
| 第六章 课题总结与展望 | 第51-53页 |
| ·课题总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |
