声明
第一章 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 特征提取技术
1.2.2 特征选择技术
1.3 本文的研究内容与章节安排
第二章 数据降维技术的研究
2.1引言
2.2 两种经典的特征提取方法
2.2.1线性判别分析
2.2.2主成分分析
2.3特征选择概述
2.3.1 过滤式(Filter-based)特征选择方法
2.3.2 包裹式(Wrapper-based)特征选择方法
2.3.3 嵌入式(Embed-based)特征选择方法
2.4稀疏正则特征选择方法
2.4.1 基于l2,1范数的鲁棒特征选择—RFS
2.4.2 判别特征选择—DFS
2.5图构建与相似性度量
2.6 最近邻算法和支持向量机
2.6.1 k最近邻算法
2.6.2 支持向量机
2.7 本章小结
第三章 局部自适应加权特征选择算法
3.1引言
3.2自适应局部加权策略
3.3局部自适应加权特征选择算法模型表示
3.3.1 局部自适应加权特征选择算法
3.3.2 算法求解
3.3.3 收敛性分析
3.4 实验设计与结果分析
3.4.1 合成数据可视化实验
3.4.2 真实数据集实验
3.4.3 参数敏感度分析
3.4.4 算法收敛分析
3.5本章小结
第四章 自适应近邻图判别特征选择算法
4.1引言
4.2 自适应近邻图判别特征选择算法模型表示
4.2.1 自适应近邻图判别特征选择算法
4.2.2 算法求解
4.2.3 与SLD-FS 的对比分析
4.3 实验设计与分析
4.3.1 合成数据可视化实验
4.3.2 真实数据集实验
4.3.3 参数敏感度分析
4.3.4 算法收敛分析
4.4本章小结
第五章 总结与展望
5.1本文研究工作
5.2展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
安徽大学;