特征提取新方法及其应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·特征提取技术概要 | 第7-11页 |
| ·特征提取的定义 | 第7-8页 |
| ·特征提取技术的发展与现状 | 第8-9页 |
| ·特征提取方法综述 | 第9-11页 |
| ·本文研究内容及结构 | 第11-13页 |
| ·研究内容及背景 | 第11-12页 |
| ·行文结构 | 第12-13页 |
| 第二章 间距最大化与Relief 特征加权 | 第13-19页 |
| ·引言 | 第13页 |
| ·间距与间距最大化 | 第13-14页 |
| ·间距 | 第13-14页 |
| ·间距最大化准则 | 第14页 |
| ·Relief 特征加权 | 第14-16页 |
| ·Relief 的发展历史 | 第15页 |
| ·Relief 算法简介 | 第15-16页 |
| ·间距最大化与Relief 的关系 | 第16页 |
| ·基于间距最大化的Relief 系列算法 | 第16-17页 |
| ·ReliefF 算法 | 第16页 |
| ·Simba 算法 | 第16页 |
| ·I-Relief 算法 | 第16-17页 |
| ·其他相关算法 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第三章 极大熵Relief 特征加权 | 第19-37页 |
| ·引言 | 第19-20页 |
| ·极大熵Relief 目标函数 | 第20-22页 |
| ·样本力系数 | 第20页 |
| ·极大熵样本力系数和特征加权 | 第20-21页 |
| ·模糊差异性度量 | 第21-22页 |
| ·新的目标函数 | 第22页 |
| ·理论推导及极大熵Relief 算法 | 第22-23页 |
| ·ME-Relief 的在线和多类版本 | 第23-26页 |
| ·ME-Relief 的在线版本 | 第23-25页 |
| ·ME-Relief 的多类版本 | 第25-26页 |
| ·ME-Relief 的算法分析 | 第26-27页 |
| ·算法的计算复杂度分析 | 第26-27页 |
| ·算法的性能分析 | 第27页 |
| ·实验研究 | 第27-35页 |
| ·实验设置 | 第27-28页 |
| ·UCI 基准数据集实验 | 第28-33页 |
| ·基因表达数据集实验 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 具有更好适应性的特征加权 | 第37-50页 |
| ·引言 | 第37页 |
| ·A-Relief 的目标函数 | 第37-38页 |
| ·具有更好适应性的间距度量 | 第37页 |
| ·模糊加权技术 | 第37-38页 |
| ·优化目标函数的构建 | 第38页 |
| ·A-Relief 的理论推导及描述 | 第38-39页 |
| ·算法复杂度及性能分析 | 第39页 |
| ·A-Relief 的计算复杂度 | 第39页 |
| ·A-Relief 的性能 | 第39页 |
| ·实验分析与结论 | 第39-49页 |
| ·实验设置 | 第39-40页 |
| ·模拟数据集实验 | 第40-43页 |
| ·UCI 数据集实验 | 第43-47页 |
| ·基因表达数据集实验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 结束语 | 第50-52页 |
| ·本文工作总结 | 第50-51页 |
| ·后续工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第58页 |
