| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 线性判别分析 | 第11-12页 |
| 1.1.2 非线性判别分析 | 第12-13页 |
| 1.2 研究意义 | 第13页 |
| 1.3 研究现状 | 第13-16页 |
| 1.3.1 非线性判别分析研究现状 | 第13-15页 |
| 1.3.2 极速非线性判别分析网络 | 第15-16页 |
| 1.4 研究目标及研究内容 | 第16页 |
| 1.5 本文的组织结构 | 第16-18页 |
| 第二章 线性判别分析和随机映射思想 | 第18-22页 |
| 2.1 引言 | 第18-19页 |
| 2.2 单隐层前馈神经网络特性 | 第19页 |
| 2.3 极速学习机模型 | 第19-21页 |
| 2.3.1 随机映射法 | 第20页 |
| 2.3.2 正则化最小二乘法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 极速非线性化判别分析网络 | 第22-30页 |
| 3.1 非线性化方法 | 第22-23页 |
| 3.1.1 神经网络的非线性判别分析网络（NNDA） | 第22-23页 |
| 3.1.2 核非线性判别分析方法（KLDA） | 第23页 |
| 3.2 极速非线性判别分析网络 | 第23-26页 |
| 3.2.1 ENDA网络模型 | 第24-25页 |
| 3.2.2 ENDA算法 | 第25-26页 |
| 3.3 实验仿真及结果分析 | 第26-29页 |
| 3.3.1 实验设置 | 第26页 |
| 3.3.2 可视化 | 第26-28页 |
| 3.3.3 性能分析 | 第28-29页 |
| 3.3.4 随机映射 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 随机权重正交化极速非线性判别分析网络（O-ENDA） | 第30-43页 |
| 4.1 正交化特征选择 | 第30-31页 |
| 4.2 正交特征映射 | 第31-33页 |
| 4.2.1 ELM自编码器（ELM-AE） | 第31-32页 |
| 4.2.2 随机正交法 | 第32-33页 |
| 4.3 实验结果 | 第33-42页 |
| 4.3.1 UCI数据库 | 第33-36页 |
| 4.3.2 MNIST数据库 | 第36-38页 |
| 4.3.3 CIFAR10数据 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-44页 |
| 5.1 总结 | 第43页 |
| 5.2 今后工作展望 | 第43-44页 |
| 参考文献 | 第44-49页 |
| 致谢 | 第49-50页 |
| 在校期间的研究成果及发表的学术论文 | 第50页 |