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

基于转移学习的单分类的研究与应用

摘要第2-3页
Abstract第3页
1 绪论第6-11页
    1.1 研究背景与课题意义第6-7页
    1.2 国内外研究现状第7-10页
        1.2.1 转移学习的研究现状第7-8页
        1.2.2 单分类问题的研究现状第8-9页
        1.2.3 单分类支持向量机的研究现状第9-10页
    1.3 本文的主要内容与章节安排第10-11页
2 预备知识第11-16页
    2.1 主成分分析第11-12页
    2.2 k均值算法第12-13页
    2.3 核函数第13-14页
    2.4 评价标准第14-16页
        2.4.1 ROC曲线第14-15页
        2.4.2 AUC值第15-16页
3 转移学习与单分类第16-27页
    3.1 转移学习第16-17页
    3.2 最大平均差异第17-18页
        3.2.1 最大均值差异(MMD)的定义第17页
        3.2.2 再生核希尔伯特空间(RKHS)上的MMD第17-18页
    3.3 核均值匹配算法第18-19页
    3.4 单分类问题第19-21页
    3.5 单分类支持向量机第21-22页
    3.6 支持向量数据描述算法第22-27页
        3.6.1 球型数据描述第22-24页
        3.6.2 负样本的支持向量描述第24-27页
4 基于转移学习的单分类的研究与应用第27-35页
    4.1 基于转移学习的单分类算法第27-28页
    4.2 参数选择策略第28-29页
    4.3 实验结果分析第29-35页
        4.3.1 定性分析第30-33页
        4.3.2 定量分析第33-35页
结论第35-36页
参考文献第36-39页
攻读硕士学位期间发表学术论文情况第39-40页
致谢第40-42页

论文共42页,点击 下载论文
上一篇:时间敏感的蚁群优化MANET资源搜索策略
下一篇:玻璃幕墙清洗机器人电气控制系统的研究