首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于极限学习机的未知源定位

摘要第3-4页
ABSTRACT第4页
第1章 绪论第7-11页
    1.1 研究背景第7-8页
    1.2 国内外现状第8-9页
    1.3 研究意义第9-10页
    1.4 主要研究内容第10页
    1.5 论文结构安排第10-11页
第2章 极限学习机理论第11-19页
    2.1 极限学习机算法第11-13页
        2.1.1 极限学习机的组成第11-12页
        2.1.2 极限学习机的算法推导过程第12-13页
    2.2 核极限学习机算法第13-14页
    2.3 序贯极限学习机算法第14-16页
        2.3.1 序贯极限学习机算法简介第14-15页
        2.3.2 序贯学习机算法推导第15-16页
    2.4 算法优缺点第16-18页
        2.4.1 ELM算法优缺点第16-17页
        2.4.2 KELM算法优缺点第17页
        2.4.3 OS-ELM算法优缺点第17-18页
    2.5 本章小结第18-19页
第3章 神经网络无线定位相关算法第19-37页
    3.1 神经网络简介第19-20页
    3.2 遗传算法修正的BP神经网络无线定位算法第20-27页
        3.2.1 BP神经网络简介第20-23页
        3.2.2 遗传算法简介第23-25页
        3.2.3 GA-BP定位算法第25-27页
    3.3 RBF神经网络无线定位算法第27-29页
        3.3.1 RBF神经网络简介第27-28页
        3.3.2 RBF定位算法第28-29页
    3.4 极限学习机无线定位算法第29-32页
        3.4.1 ELM定位算法第29-30页
        3.4.2 KELM定位算法第30-31页
        3.4.3 OS-ELM定位算法第31-32页
    3.5 相关算法分析与仿真第32-35页
        3.5.1 数据仿真与参数设置第32-34页
        3.5.2 对比仿真实验第34-35页
    3.6 本章小结第35-37页
第4章 基于改进核极限学习机的定位算法第37-47页
    4.1 样本采集及分析第37-38页
    4.2 定位算法的实施方案第38-43页
        4.2.1 样本降维—样本子空间降维(SSDR)第38-40页
        4.2.2 改进核极限学习机算法第40-41页
        4.2.3 改进核极限学习机定位算法第41-42页
        4.2.4 算法复杂度分析第42-43页
    4.3 算法仿真与分析第43-46页
        4.3.1 仿真场景分析第43-44页
        4.3.2 实验涉及参数设置第44页
        4.3.3 定位结果及分析第44-46页
    4.4 本章小结第46-47页
第5章 总结与展望第47-49页
    5.1 总结第47-48页
    5.2 展望第48-49页
参考文献第49-55页
发表论文和参与科研情况说明第55-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:蓝色海洋经济区新农村“市民化”农民体育行为研究--以即墨、龙口、莒县为例
下一篇:山东省少数民族传统体育运动会项目发展研究