基于主成分估计的极限学习机及其应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要内容与论文结构 | 第13-15页 |
| 第2章 极限学习机 | 第15-20页 |
| 2.1 极限学习机算法描述 | 第15-18页 |
| 2.2 极限学习机理论 | 第18-19页 |
| 2.3 本章总结 | 第19-20页 |
| 第3章 线性模型中的稳健估计理论 | 第20-32页 |
| 3.1 引言 | 第20页 |
| 3.2 最小二乘估计 | 第20-22页 |
| 3.2.1 最小二乘估计的基本理论 | 第20-21页 |
| 3.2.2 最小二乘估计的稳健性讨论 | 第21-22页 |
| 3.3 M估计 | 第22-24页 |
| 3.3.1 M估计的定义 | 第22-23页 |
| 3.3.2 M估计中权函数的选取 | 第23-24页 |
| 3.4 岭估计 | 第24-26页 |
| 3.4.1 岭估计的定义 | 第24-25页 |
| 3.4.2 岭估计中K值的选取 | 第25-26页 |
| 3.5 主成分估计 | 第26-30页 |
| 3.5.1 主成分分析 | 第26-29页 |
| 3.5.2 主成分估计 | 第29-30页 |
| 3.6 本章小结 | 第30-32页 |
| 第4章 主成分极限学习机 | 第32-43页 |
| 4.1 基于主成分估计的极限学习机 | 第32-34页 |
| 4.2 主成分极限学习机特征根的筛选 | 第34-39页 |
| 4.2.1 平均残差平方和准则 | 第34页 |
| 4.2.2 AIC准则 | 第34-35页 |
| 4.2.3 两种筛选特征根准则的比较 | 第35-37页 |
| 4.2.4 隐节点个数与主成分个数的关系研究 | 第37-39页 |
| 4.3 试验结果 | 第39-43页 |
| 4.3.1 回归问题性能分析 | 第39-41页 |
| 4.3.2 分类问题性能分析 | 第41-43页 |
| 第5章 基于PC-ELM的窑内烧结温度软测量 | 第43-51页 |
| 5.1 回转窑烧结工艺特点 | 第43-44页 |
| 5.2 烧结温度测量现状描述 | 第44-46页 |
| 5.3 基于PC-ELM的烧结带温度软测量 | 第46-49页 |
| 5.3.1 模型参数选取及处理 | 第46-47页 |
| 5.3.2 试验 | 第47-49页 |
| 5.4 本章小结 | 第49-51页 |
| 总结与展望 | 第51-53页 |
| 1 总结 | 第51-52页 |
| 2 课题展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第57-58页 |
| 附录 B 攻读硕士学位期间参研项目 | 第58-59页 |
| 致谢 | 第59页 |
