核极限学习机的理论与算法及其在图像处理中的应用

《核极限学习机的理论与算法及其在图像处理中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、攻博期间完成的论文和参与的课题_一—————————————————————————————————————————————————————————————一应用⑧论文作者签名：查!』：生指导教师签名：论文评阅人1：塑囱隆名迁阅评阅人2．塑囱隆名迁阅评阅人3．塑囱隆名证闽评阅人4：塑囱隆名透闼评测人5．塑囱隆名迁阅答辩委员会主席：王夏良数攫擅昱委员l：尚蕴童数援擅昱委员2：昌勇盏熬援盟昱委员4．垂维态塾援蝗昱答辩日期：2Q!垒生鱼旦坌旦攻博期间完成的论文和参与的课题Author’ssignature：Supervisor，ssignature：丛型逆堕翟E

2、xternalReviewers：鱼Q坠垫!皇二坠!i旦鱼p星星￡!星!i星型垒Q坠鱼l皇二坠!i塾鱼乜皇星￡【星∑i皇型鱼Q坠坠!皇：坠!i堕鱼p皇星￡!曼∑i星型亟Q坠垫!星二鱼!in鱼乜星星￡!曼yi星型亟Q坠垒!曼二垫!i望垡p星星￡!星yi星型ExaminingCommitteeChairperson：￡￡Q￡翌￡垒堕!i垒旦gy￡垒翌gExaminingCommitteeMembers：Prof．JunWuDateoforaIdefence：攻博期间完成的论文和参与的课题浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下

3、进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得逝姿盘鲎或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：鸯fl冬签字同期：Zo／∥年占月9Ft学位论文版权使用授权书本学位论文作者完全了解逝姿盘芏有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝垒盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编

4、学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：／爹fj冬导师签名：签字日期：2D烨年6月9日签字日期：20／(／年占月穸日致谢值此论文完成之际，谨向众多给予我指导、帮助和关心我的老师、同学和亲人们表示最衷心的感谢。首先，感谢我的导师毛维杰教授和姜伟副教授。毛老师渊博的知识、敏锐的视野和求实的科研精神令我受益终生。姜老师求实创新、谦和待人和对学问的严谨令我终生难忘，在浙江大学博士阶段的学习和生活中，他们给予我悉心的关怀和指导，不厌其烦地指导并修改我的论文，老师的认真指导和激情鼓励激发我不断向科研高峰攀登的动力。感谢南洋理工大学I均Guan

5、gbinHuang教授。在博士学习期间，Huang老师对于我的研究方法给予了很多深刻的指导。Huang老师对于科研和教学的严谨认真，以及平时的随和善良，使我对科研有了更多的热情。感谢加拿大温莎大学的JonathanWu教授、美国密苏里科学技术大学DonaldC．Wunsch教授。与他们的交流、学习，促进了我对模式识别和机器学习领域研究具备深刻理解与认识。衷心感谢智能系统与控制研究所的徐巍华副教授在生活上和学业上对我的支持和帮助。特别感谢王树青教授、吴俊教授、李光教授、刘勇副教授、谢磊副教授、黄懿明老师、李娴老师、来国妹老师、杨剑剑老师、丁立仲老师及其他老师

6、在博士学习期间给予的热情关心和帮助。感谢曾国强、翁发禄、薛文平、陈凯、林鸿、孙小强、陈蔚文、李学洋、李曼娜、吴争光、刘之涛、孙涛、徐雍、周玄浩、吴元清、李建宁、柏建军、纪俊、叶宝林、王雷、丁迸、邹娟、熊茹、杨粹、徐赵文等师兄弟和师姐妹们，和他们的每次讨论都令我精神振奋，与他们的朝夕相处让我倍感研究所这个大家庭的温暖。本文的工作得到了国家自然科技基金项目(No．61375049)和省自然科学基金项目(No．LRl2F03002)的资助，在此深表谢意。谨以此文献给我最亲爱的家人。他们以勤劳朴实的双手培育我成长。在我漫长的求学生涯中，始终在物质和精神上给予我无尽

7、的关怀和支持。他们的无私奉献和包容精神让我浙江大学博士学位论文对人生充满了希望和阳光，而这一切又激励我向更高、更远、更强的方向发展，以感恩的心回报祖国、社会和身边的人。摘要基于数据的机器学习方法以客观存在的事物为对象，研究数据的客观规律，实现数据的分类和预测。极限学习机作为一类机器学习方法，以简单易用、有效的单隐层前馈神经网络学习算法，受到越来越多的研究者关注。传统的神经网络学习算法(JoBP算法)需要人为设置大量的网络训练参数，并且容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，可以产生

8、唯一的最优解，因此它具有学习速度快且泛化性能好的优点。核极限学习机