| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第14-15页 |
| 1 绪论 | 第15-19页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究目标及内容 | 第16-17页 |
| 1.3 研究成果 | 第17-18页 |
| 1.4 本文结构 | 第18-19页 |
| 2 特征选择及相关工作 | 第19-36页 |
| 2.1 特征选择问题 | 第19-23页 |
| 2.2 无监督特征选择 | 第23-27页 |
| 2.3 非负拉普拉斯嵌入 | 第27-29页 |
| 2.4 结构学习 | 第29-31页 |
| 2.5 微粒群优化 | 第31-34页 |
| 2.6 已有工作的局限性 | 第34-35页 |
| 2.7 本章小结 | 第35-36页 |
| 3 基于NLE引导子空间学习的无监督特征选择方法 | 第36-53页 |
| 3.1 研究动机 | 第36-37页 |
| 3.2 问题建模 | 第37-38页 |
| 3.3 模型求解算法 | 第38-40页 |
| 3.4 收敛性分析 | 第40-42页 |
| 3.5 实验 | 第42-52页 |
| 3.6 本章小结 | 第52-53页 |
| 4 融合全局和变邻域局部结构学习的无监督特征选择方法 | 第53-69页 |
| 4.1 研究动机 | 第53-54页 |
| 4.2 问题建模 | 第54-58页 |
| 4.3 模型求解算法 | 第58-63页 |
| 4.4 实验 | 第63-67页 |
| 4.5 本章小结 | 第67-69页 |
| 5 融合骨干微粒群优化和平均相关性的两阶段混合无监督特征选择方法 | 第69-79页 |
| 5.1 研究动机 | 第69-70页 |
| 5.2 不相关特征的去除 | 第70-72页 |
| 5.3 基于改进骨干微粒群优化的关键特征选择 | 第72-74页 |
| 5.4 所提算法步骤 | 第74-75页 |
| 5.5 实验 | 第75-78页 |
| 5.6 本章小结 | 第78-79页 |
| 6 结论 | 第79-81页 |
| 6.1 本文工作 | 第79-80页 |
| 6.2 研究展望 | 第80-81页 |
| 参考文献 | 第81-89页 |
| 作者简历 | 第89-91页 |
| 学位论文数据集 | 第91页 |