首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

K插值单纯形法核极限学习机的研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第9-16页
    1.1 研究背景与意义第9-11页
    1.2 研究现状第11-13页
        1.2.1 极限学习机研究进展第11-12页
        1.2.2 核极限学习机研究进展第12-13页
    1.3 研究内容和创新点第13-14页
    1.4 论文组织结构第14-16页
第二章 相关理论简介第16-24页
    2.1 极限学习机第16-18页
    2.2 核极限学习机第18-19页
    2.3 Nelder-Mead单纯形法第19-20页
    2.4 全局核函数与局部核函数第20-23页
        2.4.1 局部核函数第21-22页
        2.4.2 全局核函数第22-23页
    2.5 本章小结第23-24页
第三章 K插值单纯形法核极限学习机第24-42页
    3.1 核极限学习机算法的不足与解决思路第24页
    3.2 KS-KELM算法的指导思想和设计思路第24-25页
    3.3 维单纯形法寻优核参数子算法第25-30页
        3.3.1 新单纯形法算法描述第25-28页
        3.3.2 新单纯形法算法流程第28-30页
    3.4 K插值单纯形法核极限学习机第30-35页
        3.4.1 KS-KELM算法描述第30-32页
        3.4.2 KS-KELM算法流程第32-34页
        3.4.3 KS-KELM算法时间复杂度分析第34-35页
    3.5 数值实验与分析第35-41页
        3.5.1 实验环境及数据第35-36页
        3.5.2 实验结果及分析第36-41页
    3.6 本章小结第41-42页
第四章 K插值单纯形法多核极限学习机第42-55页
    4.1 问题的提出第42-45页
    4.2 K插值单纯形法寻优多项式核参数第45-47页
        4.2.1 算法描述第45-46页
        4.2.2 算法流程第46-47页
    4.3 K插值单纯形法的多核极限学习机(EKS-KELM)第47-50页
        4.3.1 构造组合核函数第47-48页
        4.3.2 EKS-KELM算法流程第48-50页
    4.4 数值实验与分析第50-54页
        4.4.1 实验环境及数据第50-51页
        4.4.2 实验结果与分析第51-54页
    4.5 本章小结第54-55页
第五章 总结与展望第55-56页
    5.1 总结第55页
    5.2 展望第55-56页
参考文献第56-61页
致谢第61-63页
攻读硕士学位期间发表论文情况第63页

论文共63页,点击 下载论文
上一篇:兼顾分类代价和精度的决策粗糙集属性约简研究
下一篇:基于机器学习的Spark作业性能预测模型的研究与实现