| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 图清单 | 第12-14页 |
| 表清单 | 第14-15页 |
| 1 绪论 | 第15-21页 |
| ·课题研究背景 | 第15-16页 |
| ·课题意义描述 | 第16-17页 |
| ·国内外研究现状 | 第17-19页 |
| ·研究内容与组织结构 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 2 相关基础理论知识 | 第21-31页 |
| ·粗糙集基础理论 | 第21-25页 |
| ·RBF 神经网络概述 | 第25-27页 |
| ·极速学习机算法概述 | 第27-29页 |
| ·RBF 神经网络结构优化 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于粗糙集的极速学习机预测算法研究 | 第31-39页 |
| ·基于粗糙集的 ELM 算法模型 | 第31-33页 |
| ·基于粗糙集的 ELM 算法过程 | 第33-34页 |
| ·实验分析 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于小波核函数的极速学习机优化算法研究 | 第39-49页 |
| ·基于小波核函数的极速学习机数学模型 | 第39-41页 |
| ·小波核函数 | 第41-44页 |
| ·基于小波核函数的极速学习机优化算法描述 | 第44-45页 |
| ·实验分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于混合核函数的极速学习机优化算法研究 | 第49-62页 |
| ·核函数介绍（Introduction of Kernel Function） | 第49-54页 |
| ·基于混合核函数的极速学习机优化算法步骤 | 第54-55页 |
| ·实验分析 | 第55-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论与展望 | 第62-65页 |
| ·结论 | 第62-63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |