| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 引言 | 第10-15页 |
| ·选题的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·音乐分类的研究现状 | 第11-12页 |
| ·特征选择的研究现状 | 第12-13页 |
| ·论文主要工作及组织结构 | 第13-15页 |
| ·主要工作 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 第2章 基于特征选择的音乐分类概述 | 第15-28页 |
| ·特征选择的概念和经典算法概述 | 第16-24页 |
| ·特征选择的基本概念及一般过程 | 第17-18页 |
| ·Wrapper 特征选择方法 | 第18-21页 |
| ·Filter 特征选择方法 | 第21-24页 |
| ·音乐分类 | 第24-28页 |
| ·RBF 神经网络 | 第24-26页 |
| ·支持向量机 | 第26-28页 |
| 第3章 音乐分类数据集和特征定义 | 第28-35页 |
| ·实验数据集 | 第28-30页 |
| ·数据集一： George 2002 | 第28-29页 |
| ·数据集二：Homburg 2005 | 第29-30页 |
| ·特征定义 | 第30-35页 |
| 第4章 WRAPPER 特征选择方法的研究 | 第35-43页 |
| ·SFS 方法应用 | 第35-37页 |
| ·CCRS 算法 | 第37-43页 |
| ·CCRS 算法描述 | 第37页 |
| ·CCRS 算法实现及实验结果 | 第37-40页 |
| ·算法的合理性论证 | 第40-43页 |
| 第5章 RELIEFF 算法的研究和改进 | 第43-58页 |
| ·RELIEFF 算法的研究 | 第44-46页 |
| ·ReliefF 算法在音乐分类中的应用 | 第44-45页 |
| ·ReliefF 方法的改进思路 | 第45-46页 |
| ·RELIEFF 方法与相关分析方法的结合 | 第46-49页 |
| ·相关分析（Correlation Analysis） | 第46页 |
| ·算法思想 | 第46-47页 |
| ·实验结果分析 | 第47-49页 |
| ·RELIEFF 方法与PCA/LDA 方法的联合 | 第49-54页 |
| ·主成份分析（PCA）与线性判别分析（LDA） | 第49-51页 |
| ·ReliefF 与相关分析和PCA/LAD 结合的实验分析 | 第51-54页 |
| ·RELIEFPCA 方法 | 第54-58页 |
| ·算法提出的原因 | 第54-55页 |
| ·ReliefPCA 算法描述 | 第55页 |
| ·ReliefPCA 方法的实验分析 | 第55-58页 |
| 第6章 遗传算法在特征选择中的研究 | 第58-66页 |
| ·遗传算法（GA）应用 | 第58-60页 |
| ·RELIEFGA 方法 | 第60-66页 |
| ·算法提出的动机 | 第62页 |
| ·ReliefGA 算法描述 | 第62-63页 |
| ·选用ReliefF 和遗传算法的原因分析 | 第63页 |
| ·遗传算法种群初始化 | 第63-64页 |
| ·ReliefGA 方法的实验分析 | 第64-66页 |
| 第7章 总结 | 第66-68页 |
| ·本文的主要工作 | 第66-67页 |
| ·存在的问题和展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士期间发表论文 | 第73-74页 |
| 致谢 | 第74页 |
