基于加权网络图聚类和子空间集成的高维数据分类
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 特征选择方法研究背景 | 第8-9页 |
| 1.2 特征选择方法研究现状 | 第9-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 特征选择概述 | 第15-25页 |
| 2.1 特征选择基本理论 | 第15-18页 |
| 2.1.1 特征选择定义 | 第15-16页 |
| 2.1.2 特征选择基本框架 | 第16-18页 |
| 2.2 常见的特征选择方法 | 第18-20页 |
| 2.2.1 过滤式 | 第18-19页 |
| 2.2.2 封装式 | 第19页 |
| 2.2.3 嵌入式 | 第19-20页 |
| 2.3 基于聚类的特征选择方法 | 第20-21页 |
| 2.4 集成方法简介 | 第21-24页 |
| 2.4.1 基于特征选择的集成方法 | 第22页 |
| 2.4.2 选择性集成方法 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于加权网络图聚类的特征选择方法 | 第25-44页 |
| 3.1 基于加权网络图聚类的特征选择方法 | 第25-31页 |
| 3.1.1 不相关特征的剔除 | 第25-26页 |
| 3.1.2 特征聚类 | 第26-28页 |
| 3.1.3 冗余特征的剔除 | 第28页 |
| 3.1.4 算法分析 | 第28-31页 |
| 3.2 特征相关性度量 | 第31-32页 |
| 3.3 实验结果与分析 | 第32-43页 |
| 3.3.1 实验数据介绍 | 第32-33页 |
| 3.3.2 数据预处理和参数设定 | 第33页 |
| 3.3.3 对比方法描述 | 第33-34页 |
| 3.3.4 结果与分析 | 第34-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于双重加权网络图聚类的子空间集成方法 | 第44-58页 |
| 4.1 基于双重加权网络图聚类的子空间集成方法 | 第44-48页 |
| 4.1.1 高相关低冗余候选特征集的生成 | 第45页 |
| 4.1.2 差异性的特征子空间 | 第45-46页 |
| 4.1.3 基于子空间的选择性集成 | 第46-48页 |
| 4.1.4 算法分析 | 第48页 |
| 4.2 分类器的差异性度量 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-57页 |
| 4.3.1 实验参数设定 | 第49页 |
| 4.3.2 对比方法描述 | 第49-50页 |
| 4.3.3 结果与分析 | 第50-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 下一步工作 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |
