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--人工神经网络与计算论文

RBF-ELM两阶段学习算法研究

摘要第1-6页
ABSTRACT第6-9页
第1章 绪论第9-16页
   ·研究的背景与意义第9-10页
   ·RBF核中心选取的研究现状第10-13页
   ·ELM结构确定的研究现状第13-14页
   ·本文的主要工作第14-15页
   ·论文的结构安排第15-16页
第2章 基础知识第16-21页
   ·ELM第16-18页
   ·RBF-ELM第18-21页
第3章 MIS RBF-ELM两阶段学习算法第21-27页
   ·K-NN样例密度估计第21-22页
   ·MIS RBF-ELM两阶段学习算法第22-24页
     ·MIS算法第23页
     ·MIS RBF-ELM两阶段学习算法第23-24页
   ·实验与分析第24-27页
     ·性能对比实验第24-25页
     ·尺度参数的确定第25-27页
第4章 CS RBF-ELM两阶段学习算法第27-38页
   ·最小闭包球第27-28页
   ·CS RBF-ELM两阶段学习算法第28-30页
     ·核心集算法第28-29页
     ·CS RBF-ELM两阶段学习算法第29-30页
   ·实验与分析第30-37页
     ·性能对比实验第30-31页
     ·半径扩展率的确定第31-37页
   ·小结第37-38页
第5章 总结与展望第38-40页
   ·总结第38-39页
   ·展望第39-40页
参考文献第40-43页
致谢第43-44页
攻读学位期间取得的科研成果第44页

论文共44页,点击 下载论文
上一篇:基于MapReduce的非平衡大数据集分类
下一篇:基于R-SMOTE方法的非平衡数据分类研究