前言

“偃师所造倡者，趣步俯仰，颔其颐则歌合律，捧其手则舞应节，千变万化，惟意所适。”据史料记载，西周时期，中国的能工巧匠偃师研制出了能歌善舞的伶人，这是中国最早记载的机器人。从古至今，如何使机器做到人可以做的智能工作，是人们一直追求的目标。时至今日，世界各国越来越重视对人工智能的科学研究。

人工智能、模式识别、机器学习是高度相互依赖的多学科领域。数据挖掘技术则融合了这些多学科技术，利用各个应用领域产出的数据来解决各个领域相关的问题。数据挖掘技术炼数成金，从海量数据中提炼宝贵的知识，其在应用领域的应用得到了巨大收益。特征选择是数据挖掘技术的重要组成部分，可以为人们从海量数据中挖掘特定信息、抽取知识提供技术途径。

本书全面阐述特征选择的原理和方法及最新研究成果，论述特征选择在水声目标识别、字符识别及脑功能磁共振成像和单核苷酸多态性生物信息分析与处理等领域的应用原理和方法。本书凝练了作者十余年在特征选择原理及应用的研究成果，获得了国家重大基础研究项目和国家重点实验室基金等项目的支持。本书共9章。第1章是绪论部分。第2章针对特征选择基础知识和原理做了详细系统的归纳和说明。第3章论述了特征选择的核心技术特征评价方法。第4章和第5章致力于滤波式和封装式特征选择算法的构建。第6章论述了特征选择、样本选择与分类器集成融合方法。第7章重点论述了无监督特征选择方法。第8章阐述了特征选择算法的集成。第9章论述了特征选择优化深度学习的方法。

在这里要特别感谢西北工业大学的孙进才教授，他对水声目标特征选择研究的贡献也体现在这本书中，感谢他对本书的大力协助和支持，感谢他多年来对本书作者的关心和爱护。

还要感谢美国新墨西哥大学及The Mind Research Network的Executive Science Officer Vince D. Calhoun教授，感谢他在脑功能磁共振成像和单核苷酸多态性生物信息分析与处理研究工作中的帮助。

本人指导的博士生和硕士生在资料整理、实验、计算等方面为完善本书内容做了大量工作，他们是陈兆基、戴健、杜方键、袁帅、王芸、陈含露、甘安琴、姚晓辉、沈飞、韩振，在此表示诚挚谢意。

本书的出版获得“西北工业大学第十八期专著出版基金”的资助，在此表示感谢。

鉴于用于模式识别的特征选择是一项复杂的学科，涉及的知识面广，本书是作者十余年科研成果的凝练，虽竭尽全力，错误和缺点仍在所难免，诚恳读者指正，并对进一步修改和完善提出宝贵意见。

杨宏晖
2016年6月