| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 ELM的国内外研究现状 | 第12-14页 |
| 1.3.2 有监督分类问题复杂度的国内外研究现状 | 第14页 |
| 1.4 本文的主要工作和创新点 | 第14-16页 |
| 1.5 本文的组织架构 | 第16-17页 |
| 第2章 基本概念及相关知识 | 第17-21页 |
| 2.1 随机赋权神经网络的发展历程和定义 | 第17-19页 |
| 2.2 有监督分类问题复杂度 | 第19-21页 |
| 第3章 输入矩阵的秩与随机赋权神经网络泛化能力的关系 | 第21-30页 |
| 3.1 ELM训练过程中矩阵秩的变化 | 第21-23页 |
| 3.2 输入矩阵的秩与极限学习机泛化能力关系实验 | 第23-28页 |
| 3.2.1 实验设计和实验步骤 | 第23-25页 |
| 3.2.2 实验结果与分析 | 第25-28页 |
| 3.3 本章小结 | 第28-30页 |
| 第4章 分类问题复杂度与随机赋权神经网络泛化能力的关系 | 第30-50页 |
| 4.1 分类问题复杂度指标的定义 | 第30-34页 |
| 4.2 分类问题复杂度指标的有效性 | 第34-40页 |
| 4.3 分类问题复杂度与随机赋权网络泛化能力的关系 | 第40-44页 |
| 4.4 网络训练过程中矩阵的复杂度的变化 | 第44-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50-51页 |
| 5.2 未来工作研究 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |
