基于特征判别结构向量互补的特征选择方法研究

目录

声明

第一章 绪论

1.1研究背景及意义

1.2研究现状

1.3研究内容

1.4本文的组织结构

第二章 理论与算法基础

2.1 相关经典特征选择方法

2.1.1 信息熵IG

2.1.2 FDR

2.1.3 Relief

2.2 分类算法

2.2.1 朴素贝叶斯

2.2.2 决策树

2.2.3 随机森林

2.2.4 K近邻算法

2.2.5 支持向量机

2.3 本章小结

第三章 基于IG的特征判别结构向量互补的特征选择

3.1 特征判别结构向量互补

3.1.1误分类样本

3.1.2 特征的判别结构向量

3.1.3 判别结构向量下的特征冗余和特征互补

3.1.4 特征判别结构向量互补的一个例子

3.2 阈值及候选特征子集的确定

3.2.1阈值

3.2.2候选特征子集

3.3 基于特征判别结构向量互补生成最优特征子集

3.3.1子分类问题中特征的GCA

3.3.2最优特征子集的确定

3.4 实验结果与分析

3.4.1数据来源及实验环境

3.4.2实验流程

3.4.3方法的有效性分析

第四章 基于特征判别结构向量互补的集成特征选择方法

4.1 优化理论基础

4.1.1 集成方法在特征选择中的应用

4.1.2 基于集成学习技术的改进

4.2 基于特征判别结构向量互补的集成特征选择方法

4.2.1 阈值及候选特征子集的产生

4.2.2 最优特征子集的产生

4.3 实验结果

4.3.1 数据来源及实验环境

4.3.2 实验流程

4.3.3 实验结果有效性分析

4.3.4 实验结果稳定性分析

4.4 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间论文发表

致谢