极限学习机算法在分类问题中的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 论文研究背景 | 第9页 |
| 1.2 人工智能简介 | 第9-10页 |
| 1.3 机器学习简介 | 第10-11页 |
| 1.4 极限学习机 | 第11-12页 |
| 1.5 本文主要研究内容 | 第12页 |
| 1.6 本文结构安排 | 第12-14页 |
| 2 极限学习机（ELM） | 第14-19页 |
| 2.1 ELM产生背景和定义 | 第14-15页 |
| 2.2 ELM理论模型 | 第15页 |
| 2.3 ELM优化问题 | 第15-19页 |
| 3 基于鲁棒激活函数的极限学习机 | 第19-29页 |
| 3.1 引言 | 第19页 |
| 3.2 激活函数 | 第19-23页 |
| 3.3 鲁棒激活函数（RAF） | 第23页 |
| 3.4 实验对比分析 | 第23-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 局部信息保持极限学习机 | 第29-42页 |
| 4.1 引言 | 第29页 |
| 4.2 LPELM | 第29-32页 |
| 4.2.1 流形正则化框架 | 第30-31页 |
| 4.2.2 LPELM的优化问题 | 第31-32页 |
| 4.3 实验结果及分析 | 第32-41页 |
| 4.3.1 LPELM与ELMs比较 | 第33-39页 |
| 4.3.2 LPELM与常用人脸识别算法比较 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-49页 |
| 攻读硕士学位期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50页 |
