二十一世紀(jì)以來,隨著信息資源的充分開發(fā)、計(jì)算機(jī)技術(shù)和數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展,大數(shù)據(jù)時(shí)代隨之而來。現(xiàn)實(shí)中的數(shù)據(jù)集朝著大規(guī)模方向發(fā)展,并呈現(xiàn)指數(shù)型增長的趨勢。這種增長不僅僅是數(shù)據(jù)量的增長,數(shù)據(jù)的呈現(xiàn)形式也越來越多樣化,函數(shù)型數(shù)據(jù)（Functional Data,FD）正是一種常見的、信息量大的數(shù)據(jù)。由于函數(shù)型數(shù)據(jù)特征維數(shù)較高,所以在數(shù)據(jù)分析時(shí)需要進(jìn)行特征選擇,以提取相關(guān)信息和排除冗余信息,從而使數(shù)據(jù)分類問題更快更準(zhǔn)確。函數(shù)型數(shù)據(jù)的特征選擇正是從龐大的函數(shù)信息中選出那些相關(guān)性小、代表性強(qiáng)的少部分特征,以簡化后期分類器的計(jì)算和提高泛化能力�；バ畔⑻卣鬟x擇方法可以用量化的形式表示數(shù)據(jù)之間的關(guān)系,因此在特征選擇中有廣泛的應(yīng)用。已有的互信息特征選擇方法中也存在一些不足,例如傳統(tǒng)特征選擇方法在原始數(shù)據(jù)集上直接進(jìn)行特征選擇,搜索策略的不同會(huì)導(dǎo)致每次特征選擇結(jié)果存在一定的差異,使特征選擇的結(jié)果不穩(wěn)定;特征選擇過程是依次遍歷特征的過程,因此存在學(xué)習(xí)算法的時(shí)間復(fù)雜度較高等問題。如果將這些方法直接用于函數(shù)型數(shù)據(jù)的特征選擇,不僅會(huì)使上述問題更加突出,而且特征選擇結(jié)果的分類精度也不甚理想。因此,本文針對上述問題開展... 

【文章來源】：山西大學(xué)山西省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 引言
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文結(jié)構(gòu)
第二章 背景知識
    2.1 數(shù)據(jù)的函數(shù)化及函數(shù)特征選定
    2.2 基于信息論特征選擇方法概述
    2.3 本章小結(jié)
第三章 動(dòng)態(tài)互信息特征選擇
    3.1 動(dòng)態(tài)互信息特征選擇方法
        3.1.1 DMI方法
        3.1.2 DCMI方法
    3.2 實(shí)驗(yàn)結(jié)果與分析
        3.2.1 數(shù)據(jù)與實(shí)驗(yàn)環(huán)境
        3.2.2 實(shí)驗(yàn)設(shè)計(jì)
        3.2.3 實(shí)驗(yàn)結(jié)果及分析
    3.3 本章小結(jié)
第四章 快速特征選擇
    4.1 快速特征選擇方法
        4.1.1 FFS方法的主要思想
        4.1.2 FFS算法
    4.2 FFS-CMI特征選擇方法
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)與實(shí)驗(yàn)環(huán)境
        4.3.2 實(shí)驗(yàn)設(shè)計(jì)
        4.3.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個(gè)人簡況及聯(lián)系方式


【參考文獻(xiàn)】：
期刊論文
[1]面向函數(shù)型數(shù)據(jù)的快速特征選擇方法[J]. 馬忱,王文劍,姜高霞.  模式識別與人工智能. 2017(09)
[2]基于最小二乘支持向量機(jī)的函數(shù)型數(shù)據(jù)回歸分析[J]. 孟銀鳳,梁吉業(yè).  模式識別與人工智能. 2014(12)
[3]函數(shù)型數(shù)據(jù)分析的研究進(jìn)展和技術(shù)框架[J]. 米子川,趙麗琴.  統(tǒng)計(jì)與信息論壇. 2012(06)
[4]基于區(qū)分類別能力的高性能特征選擇方法[J]. 徐燕,李錦濤,王斌,孫春明.  軟件學(xué)報(bào). 2008(01)

博士論文
[1]函數(shù)型數(shù)據(jù)建模的方法及其應(yīng)用[D]. 孟銀鳳.山西大學(xué) 2017
[2]基于信息熵的特征選擇算法研究[D]. 劉華文.吉林大學(xué) 2010
[3]函數(shù)性數(shù)據(jù)分析方法及應(yīng)用研究[D]. 靳劉蕊.廈門大學(xué) 2008



本文編號：3530288