改进的极限学习机在辨识及分类中的应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 选题背景及意义 | 第15-16页 |
| 1.2 非线性系统辨识 | 第16-20页 |
| 1.2.1 神经网络与非线性系统辨识 | 第18-19页 |
| 1.2.2 神经网络与内模控制 | 第19-20页 |
| 1.3 脑电信号的特点与特征提取方法 | 第20-23页 |
| 1.3.1 癫痫脑电信号的特征提取方法 | 第21-22页 |
| 1.3.2 神经网络与癫痫脑电信号分类 | 第22-23页 |
| 1.4 本论文主要研究内容及创新 | 第23-25页 |
| 第二章 极限学习机理论及方法 | 第25-31页 |
| 2.1 引言 | 第25页 |
| 2.2 极限学习机的基本理论 | 第25-27页 |
| 2.3 极限学习机的优缺点及改进 | 第27-28页 |
| 2.4 极限学习机研究现状 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于准线性极限学习机的非线性系统辨识 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 基于准线性极限学习机的非线性系统辨识 | 第31-34页 |
| 3.2.1 准线性极限学习机模型 | 第31-33页 |
| 3.2.2 准线性极限学习机辨识算法 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-39页 |
| 3.3.1 数字实验 | 第34-36页 |
| 3.3.2 CSTR过程 | 第36-39页 |
| 3.4 小结 | 第39-41页 |
| 第四章 基于准线性极限学习机的内模控制 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 内模控制概述 | 第41-42页 |
| 4.3 基于准线性极限学习机的内模控制原理设计 | 第42-45页 |
| 4.3.1 建立系统内模 | 第43-44页 |
| 4.3.2 建立系统逆模 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-51页 |
| 4.5 小结 | 第51-53页 |
| 第五章 基于乘性节点极限学习机的脑电信号分类 | 第53-75页 |
| 5.1 引言 | 第53页 |
| 5.2 实验数据 | 第53-54页 |
| 5.3 基于乘性节点极限学习机的脑电信号分类器 | 第54-56页 |
| 5.4 脑电信号的特征提取 | 第56-64页 |
| 5.4.1 脑电信号特征提取方法 | 第56-57页 |
| 5.4.2 离散小波变换 | 第57-59页 |
| 5.4.3 相空间重构 | 第59-62页 |
| 5.4.4 协方差矩阵和奇异值分解 | 第62-64页 |
| 5.5 实验结果与分析 | 第64-74页 |
| 5.5.1 准备工作 | 第64-65页 |
| 5.5.2 分类结果 | 第65-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 研究成果总结 | 第75-76页 |
| 6.2 后续工作展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 研究成果及发表的学术论文 | 第85-87页 |
| 作者和导师简介 | 第87-88页 |
| 附件 | 第88-89页 |
