| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 极限学习机的发展及存在的问题 | 第10-11页 |
| 1.2.2 无线频谱预测方法 | 第11-12页 |
| 1.3 论文的主要研究内容与结构 | 第12-14页 |
| 2 极限学习机理论 | 第14-33页 |
| 2.1 人工神经网络 | 第14-17页 |
| 2.1.1 神经网络的基本分类与学习算法 | 第14-15页 |
| 2.1.2 前馈神经网络模型 | 第15-17页 |
| 2.1.3 前馈神经网络的缺陷 | 第17页 |
| 2.2 极限学习机 | 第17-24页 |
| 2.2.1 极限学习机模型 | 第18-20页 |
| 2.2.2 在线极限学习机模型 | 第20-22页 |
| 2.2.3 增量极限学习机模型 | 第22-24页 |
| 2.3 极限学习机的预测性能 | 第24-31页 |
| 2.3.1 Lorenz混沌时间序列 | 第24-25页 |
| 2.3.2 预测实验中各网络参数的设置 | 第25-27页 |
| 2.3.3 预测性能评价标准 | 第27-28页 |
| 2.3.4 Lorenz混沌时间序列预测结果与分析 | 第28-31页 |
| 2.4 极限学习机的优缺点分析 | 第31-33页 |
| 3 最优裁剪极限学习机理论 | 第33-43页 |
| 3.1 最优裁剪极限学习机模型 | 第33-36页 |
| 3.1.1 最优裁剪极限学习机 | 第33-34页 |
| 3.1.2 多响应稀疏回归算法 | 第34-35页 |
| 3.1.3 逐一抽取算法(Leave-One-Out,LOO) | 第35-36页 |
| 3.2 最优裁剪极限学习机的预测性能分析 | 第36-43页 |
| 3.2.1 预测实验设计 | 第36页 |
| 3.2.2 预测数据 | 第36-39页 |
| 3.2.3 预测实验分析 | 第39-42页 |
| 3.2.4 最优裁剪极限学习机的预测性能 | 第42-43页 |
| 4 极限学习机在无线频谱预测中的应用 | 第43-52页 |
| 4.1 认知无线电频谱预测 | 第44-45页 |
| 4.2 频谱预测模型 | 第45-46页 |
| 4.2.1 频谱数据模型 | 第45页 |
| 4.2.2 频谱状态剩余时间序列 | 第45-46页 |
| 4.3 频谱预测仿真实验 | 第46-52页 |
| 4.3.1 实验设计 | 第47页 |
| 4.3.2 频谱预测结果与分析 | 第47-50页 |
| 4.3.3 频谱状态持续时间预测方法对比 | 第50-52页 |
| 5 总结和展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 在学期间的研究成果 | 第58-59页 |
| 致谢 | 第59页 |