| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第20-28页 |
| 1.1 研究背景 | 第20-23页 |
| 1.2 问题描述 | 第23页 |
| 1.3 本文的主要工作和创新点 | 第23-24页 |
| 1.4 论文的组织 | 第24-26页 |
| 1.5 本章小结 | 第26-28页 |
| 第二章 迁移学习研究综述 | 第28-36页 |
| 2.1 迁移学习及其分类 | 第28-29页 |
| 2.2 基于智能计算的迁移学习方法 | 第29-30页 |
| 2.3 基于权重的迁移学习方法 | 第30-31页 |
| 2.4 基于特征表示的迁移学习方法 | 第31-32页 |
| 2.5 基于非负矩阵的迁移学习方法 | 第32-34页 |
| 2.5.1 非负矩阵三因子分解技术 | 第32-33页 |
| 2.5.2 经典的基于非负矩阵三因子分解的迁移学习方法 | 第33页 |
| 2.5.3 本文研究的相关介绍 | 第33-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 共享与非共享潜在空间上的高层概念学习算法研究 | 第36-56页 |
| 3.1 引言 | 第36-38页 |
| 3.2 问题描述 | 第38-40页 |
| 3.3 四重迁移学习优化问题的求解算法 | 第40-47页 |
| 3.3.1 算法描述 | 第40-44页 |
| 3.3.2 算法收敛性分析 | 第44-46页 |
| 3.3.3 算法复杂度分析 | 第46-47页 |
| 3.4 实验及分析 | 第47-53页 |
| 3.4.1 实验数据 | 第47-48页 |
| 3.4.2 实验设置 | 第48-49页 |
| 3.4.3 实验结果 | 第49-52页 |
| 3.4.4 参数影响 | 第52-53页 |
| 3.4.5 运行时间 | 第53页 |
| 3.4.6 算法收敛性 | 第53页 |
| 3.5 本章小结 | 第53-56页 |
| 第四章 多共享潜在空间上的高层概念学习算法研究 | 第56-78页 |
| 4.1 引言 | 第56-57页 |
| 4.2 问题描述 | 第57-60页 |
| 4.3 多桥接迁移学习优化问题的求解算法 | 第60-68页 |
| 4.3.1 算法描述 | 第60-66页 |
| 4.3.2 算法复杂度分析 | 第66-68页 |
| 4.4 实验及分析 | 第68-76页 |
| 4.4.1 实验数据 | 第68页 |
| 4.4.2 实验设置 | 第68-69页 |
| 4.4.3 实验结果 | 第69-73页 |
| 4.4.4 MBTL算法有效性分析 | 第73-74页 |
| 4.4.5 参数影响 | 第74页 |
| 4.4.6 运行时间 | 第74-75页 |
| 4.4.7 算法收敛性 | 第75-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 多重潜在空间上的高层概念学习算法研究 | 第78-98页 |
| 5.1 引言 | 第78-81页 |
| 5.2 问题描述 | 第81-84页 |
| 5.3 多重迁移学习优化问题的求解算法 | 第84-88页 |
| 5.3.1 算法描述 | 第84-86页 |
| 5.3.2 算法复杂度分析 | 第86-88页 |
| 5.4 实验及分析 | 第88-96页 |
| 5.4.1 实验数据 | 第88页 |
| 5.4.2 实验设置 | 第88页 |
| 5.4.3 实验结果 | 第88-91页 |
| 5.4.4 MLTL算法有效性分析 | 第91-93页 |
| 5.4.5 潜在空间组的数量设置 | 第93页 |
| 5.4.6 参数影响 | 第93-94页 |
| 5.4.7 与算法QTL和MBTL的对比 | 第94-96页 |
| 5.4.8 算法收敛性 | 第96页 |
| 5.5 本章小结 | 第96-98页 |
| 第六章 总结与展望 | 第98-100页 |
| 6.1 主要研究工作总结 | 第98-99页 |
| 6.2 对下一步工作的思考 | 第99-100页 |
| 参考文献 | 第100-110页 |
| 攻读博士学位期间的学术活动及成果情况 | 第110-112页 |