基于稳健性改进的极限学习机回归算法研究
极限学习机论文 主成分估计论文 岭回归估计论文 条件指数论文 方差分解比论文
论文详情
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-14页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 研究现状 | 第10-12页 |
1.2.1 极限学习机研究现状 | 第10-12页 |
1.2.2 基于稳健性改进的极限学习机国内外研究现状 | 第12页 |
1.3 本文的研究内容和组织结构 | 第12-14页 |
第2章 极限学习机理论知识 | 第14-24页 |
2.1 极限学习机原理及算法描述 | 第14-18页 |
2.1.1 极限学习机理论 | 第15-18页 |
2.2 岭回归极限学习机 | 第18-19页 |
2.2.1 岭回归原理 | 第18-19页 |
2.2.2 岭回归极限学习机 | 第19页 |
2.3 主成分极限学习机 | 第19-22页 |
2.3.1 主成分估计方法原理 | 第19-21页 |
2.3.2 基于主成分估计的极限学习机 | 第21-22页 |
2.4 本章小结 | 第22-24页 |
第3章 基于条件指数和方差分解比的ELM回归方法 | 第24-33页 |
3.1 条件指数和方差分解比 | 第24-26页 |
3.2 基于条件指数和方差分解比的极限学习机 | 第26-29页 |
3.3 CV-ELM的算法表现 | 第29-32页 |
3.4 本章小结 | 第32-33页 |
第4章 集成CV-ELM回归方法 | 第33-43页 |
4.1 集成学习方法 | 第33-37页 |
4.1.1 集成学习方法的背景 | 第33-34页 |
4.1.2 集成学习理论基础 | 第34-37页 |
4.2 基于集成学习的CV-ELM回归算法 | 第37-38页 |
4.3 ECV-ELM算法表现 | 第38-41页 |
4.3.1 两种算法在回归分析中的表现 | 第39-40页 |
4.3.2 采用不同参数的算法表现 | 第40-41页 |
4.4 本章总结 | 第41-43页 |
第5章 总结与展望 | 第43-45页 |
5.1 全文总结 | 第43页 |
5.2 展望 | 第43-45页 |
参考文献 | 第45-48页 |
致谢 | 第48-49页 |
附录A (攻读硕士学位期间的研究成果) | 第49页 |
论文购买
论文编号
ABS4568867,这篇论文共49页
会员购买按0.30元/页下载,共需支付
14.7。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
24.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文