1. 毕业设计（论文）主要目标：
这次论文设计的目标是：首先，理解特征选择的基本框架，对特征选择几种方法进行分析理解；其次，对特征选择的五种评价准则进行深入阐述，并重点介绍一致性度量的评价准则，理解其思想方法；最后，选择一种基于一致性度量的特征选择算法，能够理解实现并且成功运行，对实验结果进行分析，同时也对整个毕业设计进行总结分析。
2. 毕业设计（论文）主要内容：
论文设计内容：1、阐述特征选择的目的及背景 本部分将阐述随着信息科技的发展，计算科学的思想与技术已经应用于我们生活的方方面面，使各个领域都能将人类社会的信息转化为能够被计算机识别的信息，信息的转化及运算过程中，积累了大量的信息数据。这些大规模数据中有着大量的不相关和冗余特征，特征选择可以选择出有效的特征，提高了分类的性能。本部分将会具体阐述特征选择的目的和背景。2、叙述特征选择的研究现状这部分阐明了特征选择的研究现状，从60年代不被大家重视的最开始的特征选择，到如今发展日渐成熟的特征选择都将一一阐述。3、特征选择方法的综述 这部分将对特征选择的基本框架，以及特征选择的分类进行具体阐述。同时对特征选择基本框架中的四个部分都将做出具体解释分析，包括子集的生成和搜索策略、评价标准、停止准则以及结果验证。4、一致性度量算法综述在这部分将对一致性度量的典型算法进行具体的分析讲述，包括FOCUS、LVF、SetCover算法。5、总结与展望 这是对全文的总结以及对特征选择方法未来的展望。
3. 主要参考文献
[1]冯宗翰. 特征选择新算法研究[D].江南大学,2011. [2]陈堃,李心科.基于一致性度量的属性约简的研究[J].计算机技术与发展,2008(10):64-67.[3]苏映雪. 特征选择算法研究[D].国防科学技术大学,2006.[4]张丽新. 高维数据的特征选择及基于特征选择的集成学习研究[D].清华大学,2004.[5]姜百宁. 机器学习中的特征选择算法研究[D].中国海洋大学,2009. [6]孙鑫. 机器学习中特征选问题研究[D].吉林大学,2013.[7]张钧波. 面向大数据的高效特征选择与学习算法研究[D].西南交通大学,2015. [8]张靖. 面向高维小样本数据的分类特征选择算法研究[D].合肥工业大学,2014. [9]姚旭,王晓丹,张玉玺,权文.特征选择方法综述[J].控制与决策,2012,27(02):161-166 192. [10]潘锋. 特征提取与特征选择技术研究[D].南京航空航天大学,2011. [11]黄东山. 特征选择及半监督分类方法研究[D].华中科技大学,2011.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
