基于ELM的图像分类与稳健回归算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 图清单 | 第11-12页 |
| 表清单 | 第12-13页 |
| 1 绪论 | 第13-20页 |
| ·研究背景 | 第13-14页 |
| ·ELM算法简介 | 第14-19页 |
| ·ELM算法概述 | 第14-17页 |
| ·ELM算法国内外研究现状 | 第17-19页 |
| ·本文研究的主要内容 | 第19-20页 |
| 2 基于ELM与稀疏表示的快速图像分类模型 | 第20-34页 |
| ·引言 | 第20页 |
| ·ELM分类与稀疏表示分类(SRC)简介 | 第20-24页 |
| ·基于ELM的分类方法简介 | 第20-21页 |
| ·基于SRC的分类方法简介 | 第21-24页 |
| ·ELM分类与SRC分类方法的异同 | 第24页 |
| ·基于ELM与SRC的快速图像分类模型 | 第24-29页 |
| ·噪声图像筛选 | 第25-27页 |
| ·自适应字典降维 | 第27页 |
| ·快速图像分类模型设计 | 第27-29页 |
| ·基于ELMSRC分类算法的应用研究 | 第29-33页 |
| ·手写体数字识别 | 第29-31页 |
| ·人脸识别 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于ELM的稳健回归学习算法 | 第34-46页 |
| ·引言 | 第34-35页 |
| ·加权正则化ELM回归算法 | 第35-36页 |
| ·基于 1范数损失函数的ELM稳健回归算法 | 第36-37页 |
| ·加权正则化ELM稳健回归算法 | 第37-38页 |
| ·数值实验 | 第38-45页 |
| ·‘SinC’函数逼近 | 第39-41页 |
| ·回归应用 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 4 ELM网络稀疏化算法 | 第46-57页 |
| ·引言 | 第46-47页 |
| ·一种简单有效的ELM网络稀疏化算法 | 第47-51页 |
| ·实验结果与分析 | 第51-56页 |
| ·回归 | 第51-52页 |
| ·分类 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 5 结论与展望 | 第57-58页 |
| ·研究总结 | 第57页 |
| ·需进一步研究的问题 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 作者简历 | 第63页 |
