| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 数据挖掘的应用与发展 | 第9-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 2 常用数据挖掘技术 | 第12-22页 |
| 2.1 数据预处理 | 第12-15页 |
| 2.1.1 缺失值处理 | 第12-13页 |
| 2.1.2 异常点检验 | 第13页 |
| 2.1.3 数据标准化 | 第13-15页 |
| 2.2 数据降维 | 第15-18页 |
| 2.2.1 特征提取 | 第15页 |
| 2.2.2 特征选择 | 第15-18页 |
| 2.3 分类分析 | 第18-20页 |
| 2.3.1 朴素贝叶斯 | 第18页 |
| 2.3.2 k近邻 | 第18-19页 |
| 2.3.3 支持向量机 | 第19-20页 |
| 2.3.4 随机森林 | 第20页 |
| 2.4 聚类分析 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 基于特征打乱与类重叠的融合的无监督特征选择算法EUFSPR | 第22-36页 |
| 3.1 融合技术 | 第22-23页 |
| 3.1.1 构建不同分类模型 | 第22-23页 |
| 3.1.2 抽样融合技术 | 第23页 |
| 3.1.3 随机子空间 | 第23页 |
| 3.2 EUFSPR特征选择算法 | 第23-29页 |
| 3.2.1 类重叠区域 | 第24-26页 |
| 3.2.2 特征打乱 | 第26-27页 |
| 3.2.3 EUFSPR算法 | 第27-29页 |
| 3.3 实验方法与结果讨论 | 第29-35页 |
| 3.3.1 实验设置 | 第29-30页 |
| 3.3.2 实验评价指标 | 第30-31页 |
| 3.3.3 聚类结果与讨论 | 第31-32页 |
| 3.3.4 分类结果与讨论 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于特征有效范围的前向特征选择及融合分类算法 | 第36-48页 |
| 4.1 基于有效范围的特征选择算法 | 第36-37页 |
| 4.2 有效范围位置关系 | 第37-40页 |
| 4.3 特征选择及融合分类方法 | 第40-43页 |
| 4.3.1 单变量分类器 | 第40-42页 |
| 4.3.2 特征选择及融合分类器 | 第42-43页 |
| 4.4 实验结果与讨论 | 第43-47页 |
| 4.4.1 实验设置 | 第43-44页 |
| 4.4.2 结果与讨论 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |