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 |