导读:本文包含了多重特征选择论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传算法,互信息,单核苷酸多态性,特征选择
多重特征选择论文文献综述
蒋胜利,张军英[1]（2010）在《基于多重遗传算法的单核苷酸多态性特征选择》一文中研究指出应用统计机器学习方法研究大规模单核苷酸多态性(SNP)与复杂疾病的关联关系面临着"维数灾难",首要的工作是把大规模SNP缩减为较小集合。为此,提出了多重遗传算法用于单核苷酸多态性的特征粗选择。该方法首次提出了用互信息衡量SNP与疾病间关联的紧密程度并作为遗传算法(GA)的适应值,通过多次运用遗传算法并合并寻优的结果得到候选的特征SNP集合。在SNP仿真数据上的实验及与最大熵(ME)方法性能比较表明,该方法最大可能丢弃了SNP集合中与疾病无关的SNP,同时保留了与疾病相关的SNP,为进一步研究提供了合适规模的SNP数据,本方法可用于规模中等或较大的SNP集合。(本文来源于《四川大学学报(工程科学版)》期刊2010年02期）
贾美英,杨炳儒,郑德权,陈庆轩[2]（2009）在《基于多重特征选择和多分类器融合的文本层次分类研究》一文中研究指出针对大量电子文档需要准确地进行多层次自动分类管理的现实需求,提出基于多重特征选择和多分类器融合技术的层次分类方法。通过引入可信度函数对单分类器效果进行评价,适时采用辅助分类器对较难分类的文档进行分类投票判决。实验结果表明,相对于单分类器,该方法无论在平面分类和层次分类语料上都获得了更好的分类精度,且具有较好的时间复杂性,有很好的实际应用前景。(本文来源于《计算机应用研究》期刊2009年12期）
钱学双[3]（1986）在《多重筛选逐步回归特征选择法及其应用》一文中研究指出本文介绍了利用统计模式识别中的多重筛选逐步回归特征选择法,对五类白血球进行特征选择,并对所选用的特征用训练集和测试集进行识别效果检验,得到了训练集和检测集上的两个混淆矩阵.(本文来源于《信息与控制》期刊1986年05期）
多重特征选择论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对大量电子文档需要准确地进行多层次自动分类管理的现实需求,提出基于多重特征选择和多分类器融合技术的层次分类方法。通过引入可信度函数对单分类器效果进行评价,适时采用辅助分类器对较难分类的文档进行分类投票判决。实验结果表明,相对于单分类器,该方法无论在平面分类和层次分类语料上都获得了更好的分类精度,且具有较好的时间复杂性,有很好的实际应用前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多重特征选择论文参考文献
[1].蒋胜利,张军英.基于多重遗传算法的单核苷酸多态性特征选择[J].四川大学学报(工程科学版).2010
[2].贾美英,杨炳儒,郑德权,陈庆轩.基于多重特征选择和多分类器融合的文本层次分类研究[J].计算机应用研究.2009
[3].钱学双.多重筛选逐步回归特征选择法及其应用[J].信息与控制.1986