全文总字数：2686字

1. 研究目的与意义及国内外研究现状

随着互联网的高速发展，我们已经进入数据爆炸时代。每天我们都要通过不同的社交媒体和软件接受大量信息，这些数据和信息在数据挖掘方法出现后，让人们能够认识到它们的真正价值。

数据挖掘指的是从大型数据库中提取人们感兴趣的知识，这些知识是隐含的，实现未知的潜在有用信息。数据挖掘是目前国际上，数据库和信息决策领域的最前沿研究方向之一。当前，数据挖掘和模式识别应用领域的数据集正朝着大规模，高维度方向发展，如文本分类，图像识别以及生物基因表达阵列分析等应用中所处理的数据集，在数据挖掘的过程中，为了应对和解决一些高维问题，在有限的训练样本中，为这些问题选择有用的特征，很多专家对此进行了广泛研究。

2. 研究的基本内容

特征选择算法可以分为单特征搜索和特征子集搜索两大类。单特征搜索在特征评估过程中，一次只考虑一个特征，即选择一个性能最优的特征。这类算法中最具有代表性的是relief系列算法，relief算法的运行时间随着样本抽样次数和原始特征个数的增加线性增加，因而运行效率非常高。该算法会赋予和类别相关度高的特征较高的权重，但是忽略了特征之间的冗余性，原始的relief算法并不能得到满意的结果。

本文的主要研究内容包含以下2个方面：

3. 实施方案、进度安排及预期效果

实施方案

查阅相关文献，掌握距离度量学习和特征选择方法的原理和算法，并根据它，设计基于距离度量的特征选择算法。

4. 参考文献

【1】期刊论文 机器学习技术在数据挖掘中的商业应用 中山大学学报论丛 - 2005, 25(6)【2】全文 学位论文 基于数据挖掘和机器学习的木马检测系统设计与实现 - 2014【3】全文 期刊论文 基于数据挖掘与机器学习的蛋白质疏水性分析的研究 哈尔滨师范大学自然科学学报 - 2017, 33(3)【4】全文 期刊论文 机器学习在数据挖掘中的作用 电脑学习 - 2010(3)【5】全文 期刊论文 机器学习在数据挖掘中的应用 广西质量监督导报 - 2008(11)【6】全文 学位论文 基于数据挖掘和机器学习的恶意代码检测技术研究 - 2009【7】全文 期刊论文 基于机器学习的地震异常数据挖掘模型 计算机仿真 - 2014, 31(11)【8】全文 学位论文 基于数据挖掘与机器学习的恶意代码检测技术研究 - 2013【9】学位论文 机器学习和数据挖掘相关技术在蛋白质组学数据分析中的应用 - 2007【10】会议论文 机器学习技术在医疗数据挖掘中的应用 2012中华医院信息网络大会暨第五届中美医院信息化论坛 - 2012