| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-12页 |
| ·机器学习 | 第9-11页 |
| ·半监督学习 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·论文内容与安排 | 第15-17页 |
| 第二章 极限学习机简介 | 第17-25页 |
| ·单隐层前馈神经网络(SLFN)模型 | 第17-19页 |
| ·极限学习机算法 | 第19-20页 |
| ·极限学习机（ELM）与支撑矢量机（SVM）比较 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 结合模糊 C 均值与极限学习机的半监督分类算法 | 第25-43页 |
| ·引言 | 第25页 |
| ·模糊 C 均值算法 | 第25-27页 |
| ·结合模糊 C 均值与极限学习机的半监督分类算法 | 第27-32页 |
| ·实验结果与分析 | 第32-42页 |
| ·二维人工数据的分类结果 | 第32-41页 |
| ·UCI 数据分类实验 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 结合全局 C 均值与极限学习机半监督分类算法 | 第43-59页 |
| ·引言 | 第43页 |
| ·全局 C 均值算法 | 第43-45页 |
| ·结合全局 C 均值与极限学习机的半监督分类算法 | 第45-49页 |
| ·实验结果与分析 | 第49-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 基于差分进化极限学习机的半监督分类算法 | 第59-67页 |
| ·引言 | 第59页 |
| ·差分进化极限学习机算法 | 第59-63页 |
| ·差分进化算法 | 第59-61页 |
| ·差分优化极限学习机 | 第61-63页 |
| ·基于差分进化极限学习机的半监督分类算法 | 第63-65页 |
| ·实验结果与分析 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |