| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·主要研究内容与论文组织结构 | 第11-12页 |
| ·主要研究内容 | 第11-12页 |
| ·论文组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第2章 相关知识 | 第13-20页 |
| ·极端学习机（ELM） | 第13-15页 |
| ·正则化的极端学习机方法 | 第15-16页 |
| ·相关熵 | 第16页 |
| ·超参数估计方法 | 第16-19页 |
| ·基于交叉验证的超参数估计 | 第16-17页 |
| ·基于贝叶斯理论的超参数估计 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 基于 L2 范数的正则化相关熵的极端学习机 | 第20-29页 |
| ·ELM-RCC_(L2)算法 | 第20-22页 |
| ·算法的收敛性及计算复杂度分析 | 第22-23页 |
| ·算法的收敛性 | 第22-23页 |
| ·算法的计算复杂度分析 | 第23页 |
| ·实验结果 | 第23-28页 |
| ·人工数据集 | 第23-26页 |
| ·标准数据集 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于 L1 范数的正则化相关熵的极端学习机 | 第29-36页 |
| ·ELM-RCC_(L1)算法 | 第29-32页 |
| ·实验结果 | 第32-35页 |
| ·回归 | 第33-34页 |
| ·分类 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 总结与展望 | 第36-38页 |
| ·全文总结 | 第36页 |
| ·工作展望 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 致谢 | 第41-42页 |
| 攻读学位期间取得的科研成果 | 第42页 |