面向多实例分类的迁移学习研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 英文缩略词 | 第17-18页 |
| 第一章 绪论 | 第18-25页 |
| 1.1 课题研究的背景与意义 | 第18-19页 |
| 1.2 面向多实例分类的迁移学习研究现状 | 第19-22页 |
| 1.2.1 迁移学习 | 第19-20页 |
| 1.2.2 多实例学习 | 第20-21页 |
| 1.2.3 度量学习 | 第21-22页 |
| 1.3 本课题的研究思路 | 第22-23页 |
| 1.4 论文的组织结构 | 第23-25页 |
| 第二章 基于马氏度量的迁移学习框架 | 第25-50页 |
| 2.1 引言 | 第25-27页 |
| 2.2 相关工作 | 第27-29页 |
| 2.2.1 基于实例的迁移学习 | 第27-28页 |
| 2.2.2 基于特征的迁移学习 | 第28页 |
| 2.2.3 基于度量的迁移学习 | 第28-29页 |
| 2.3 度量迁移学习框架 | 第29-36页 |
| 2.3.1 度量迁移学习问题描述 | 第29-30页 |
| 2.3.2 度量迁移学习框架建模 | 第30-34页 |
| 2.3.3 学习框架用于回归问题 | 第34-35页 |
| 2.3.4 学习框架用于分类问题 | 第35-36页 |
| 2.4 优化模型 | 第36-38页 |
| 2.5 实验结果 | 第38-49页 |
| 2.5.1 实验数据集 | 第38-41页 |
| 2.5.2 对比算法 | 第41页 |
| 2.5.3 实验参数调节 | 第41-44页 |
| 2.5.4 回归问题实验结果与分析 | 第44-46页 |
| 2.5.5 分类问题实验结果与分析 | 第46-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第三章 基于马氏度量的多实例分类 | 第50-76页 |
| 3.1 引言 | 第50-52页 |
| 3.2 相关工作 | 第52-53页 |
| 3.2.1 基于欧几里得距离的多实例学习 | 第52页 |
| 3.2.2 基于马氏距离的多实例学习 | 第52-53页 |
| 3.3 多实例度量学习方法 | 第53-59页 |
| 3.3.1 多实例度量学习问题描述 | 第53-54页 |
| 3.3.2 多实例度量学习方法建模 | 第54-59页 |
| 3.4 优化模型 | 第59-61页 |
| 3.5 实验结果 | 第61-74页 |
| 3.5.1 实验数据集 | 第61-62页 |
| 3.5.2 对比算法 | 第62-63页 |
| 3.5.3 评估标准 | 第63-64页 |
| 3.5.4 实验参数调节 | 第64-66页 |
| 3.5.5 实验结果与分析 | 第66-74页 |
| 3.6 本章小结 | 第74-76页 |
| 第四章 多实例迁移学习方法及其误差分析 | 第76-98页 |
| 4.1 引言 | 第76-78页 |
| 4.2 相关工作 | 第78-79页 |
| 4.2.1 传统的多实例学习 | 第78页 |
| 4.2.2 多实例迁移学习 | 第78-79页 |
| 4.3 多实例度量迁移学习 | 第79-86页 |
| 4.3.1 多实例度量学习 | 第80-81页 |
| 4.3.2 多实例度量学习误差分析 | 第81-82页 |
| 4.3.3 包权重估计 | 第82-83页 |
| 4.3.4 多实例度量迁移学习建模 | 第83-85页 |
| 4.3.5 多实例度量迁移学习误差分析 | 第85页 |
| 4.3.6 基于马氏距离的多实例分类 | 第85-86页 |
| 4.4 优化模型 | 第86-88页 |
| 4.5 实验结果 | 第88-97页 |
| 4.5.1 实验数据集 | 第88-89页 |
| 4.5.2 对比算法 | 第89-90页 |
| 4.5.3 评估标准 | 第90-91页 |
| 4.5.4 实验参数调节 | 第91-93页 |
| 4.5.5 实验结果与分析 | 第93-97页 |
| 4.6 本章小结 | 第97-98页 |
| 第五章 联合一致最大似然估计的多实例迁移学习 | 第98-118页 |
| 5.1 引言 | 第98-99页 |
| 5.2 相关工作 | 第99-100页 |
| 5.2.1 基于信息理论的多实例度量学习 | 第99-100页 |
| 5.2.2 基于逻辑判别的多实例度量学习 | 第100页 |
| 5.3 联合一致最大似然估计的多实例迁移学习 | 第100-105页 |
| 5.3.1 基于最大平均偏差的包权重估计 | 第101-103页 |
| 5.3.2 新的学习原则 | 第103页 |
| 5.3.3 一致的最大似然估计 | 第103-105页 |
| 5.4 优化模型 | 第105-107页 |
| 5.5 实验结果 | 第107-117页 |
| 5.5.1 实验数据集 | 第107-109页 |
| 5.5.2 对比算法 | 第109-111页 |
| 5.5.3 实验参数调节 | 第111-112页 |
| 5.5.4 实验结果与分析 | 第112-117页 |
| 5.6 本章小结 | 第117-118页 |
| 总结与展望 | 第118-120页 |
| 参考文献 | 第120-131页 |
| 攻读博士学位期间取得的研究成果 | 第131-133页 |
| 致谢 | 第133-134页 |
| 附件 | 第134页 |
