| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-18页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 表征学习的发展及研究现状 | 第8-13页 |
| 1.2.1 基于矩阵分解的表征学习算法 | 第8-11页 |
| 1.2.2 基于神经网络的表征学习 | 第11-13页 |
| 1.3 极限学习机的发展及研究现状 | 第13-16页 |
| 1.4 本文研究内容及结构 | 第16-18页 |
| 2 极限学习机的基础知识 | 第18-24页 |
| 2.1 极限学习机 | 第18-20页 |
| 2.2 极限学习机自编码器 | 第20-22页 |
| 2.3 多层极限学习机 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 堆叠图嵌入去噪极限学习机模型 | 第24-42页 |
| 3.1 关键技术 | 第25-26页 |
| 3.1.1 去噪自编码器 | 第25页 |
| 3.1.2 图嵌入 | 第25-26页 |
| 3.2 图嵌入去噪极限学习机自编码器 | 第26-30页 |
| 3.3 堆叠图嵌入去噪极限学习机 | 第30-32页 |
| 3.4 实验结果与分析 | 第32-41页 |
| 3.4.1 实验数据及环境 | 第32-33页 |
| 3.4.2 实验建立及结果分析 | 第33-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于AdaBoost集成极限学习机的多粒度级联模型 | 第42-60页 |
| 4.1 关键技术 | 第43-45页 |
| 4.1.1 AdaBoost算法 | 第43-44页 |
| 4.1.2 加权极限学习机 | 第44-45页 |
| 4.2 基于AdaBoost的加权极限学习机集成算法 | 第45-47页 |
| 4.3 基于AdaBoost集成极限学习机的多粒度级联模型 | 第47-52页 |
| 4.4 实验结果与分析 | 第52-59页 |
| 4.4.1 实验设置 | 第52页 |
| 4.4.2 实验结果 | 第52-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-70页 |
