| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题的研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的研究内容及特色 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 第二章 极限学习机（ELM）概述 | 第13-21页 |
| 2.1 极限学习机的基本思想 | 第13-15页 |
| 2.2 极限学习机的一些变型 | 第15-19页 |
| 2.2.1 正则化极限学习机和核极限学习机 | 第15-16页 |
| 2.2.2 极限学习机的模型选择方法 | 第16页 |
| 2.2.3 在线极限学习机 | 第16-17页 |
| 2.2.4 带权极限学习机 | 第17页 |
| 2.2.5 半监督和无监督学习极限学习机 | 第17-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第三章 极限学习机增量构建方法研究 | 第21-39页 |
| 3.1 增量构建方法描述 | 第21-23页 |
| 3.1.1 I-ELM算法 | 第21-22页 |
| 3.1.2 EM-ELM算法 | 第22-23页 |
| 3.2 可变长增量极限学习机（LCI-ELM） | 第23-26页 |
| 3.2.1 可变长增量极限学习机的基本思想 | 第23-25页 |
| 3.2.2 用于实际学习的可变长增量极限学习机及算法描述 | 第25-26页 |
| 3.3 LCI-ELM的收敛性分析 | 第26-31页 |
| 3.3.1 全局收敛性 | 第26-29页 |
| 3.3.2 训练集上的收敛性 | 第29-31页 |
| 3.4 LCI-ELM与其它增量构建的极限学习机的实验比较 | 第31-37页 |
| 3.4.1 实验数据集及实验环境 | 第31-32页 |
| 3.4.2 LCI-ELM同I-ELM、CI-ELM的比较 | 第32-35页 |
| 3.4.3 LCI-ELM同EI-ELM的比较 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 极限学习机用于概念漂移问题 | 第39-59页 |
| 4.1 在线学习与概念漂移问题 | 第39-40页 |
| 4.1.1 在线学习中的概念漂移问题 | 第39页 |
| 4.1.2 用于数据流学习的OS-ELM算法 | 第39-40页 |
| 4.2 遗忘系数极限学习机（FP-ELM） | 第40-44页 |
| 4.2.1 遗忘系数极限学习机的基本思想 | 第40-43页 |
| 4.2.2 遗忘系数极限学习机的算法描述 | 第43-44页 |
| 4.3 遗忘系数极限学习机在概念漂移数据集上的实验 | 第44-57页 |
| 4.3.1 实验环境和基本设置 | 第44-45页 |
| 4.3.2 正则化参数λ的影响 | 第45-46页 |
| 4.3.3 针对SEA概念的实验 | 第46-49页 |
| 4.3.4 针对逐渐移动超平面的实验 | 第49-52页 |
| 4.3.5 针对回归问题中连续变化的概念的实验 | 第52-54页 |
| 4.3.6 针对时间序列预测问题的实验 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65-67页 |
| 致谢 | 第67-68页 |
