基于度量学习和知识迁移的鲁棒分类和排序学习研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第15-25页 |
| 1.1 课题研究背景及初步解决方案 | 第15-18页 |
| 1.2 相关研究工作分析 | 第18-24页 |
| 1.3 本文主要内容和结构 | 第24-25页 |
| 2 鲁棒的Bregman距离函数结构排序学习 | 第25-45页 |
| 2.1 问题概述 | 第25-27页 |
| 2.2 算法设计和实现 | 第27-33页 |
| 2.3 实验分析和验证 | 第33-41页 |
| 2.4 本章小结 | 第41-42页 |
| 2.5 章节附录 | 第42-45页 |
| 3 有效鲁棒的分类学习框架:自步提升学习 | 第45-62页 |
| 3.1 问题概述 | 第45-47页 |
| 3.2 算法设计与实现 | 第47-52页 |
| 3.3 一般SPBL模型的优化 | 第52-54页 |
| 3.4 实验分析与验证 | 第54-57页 |
| 3.5 本章小结 | 第57-58页 |
| 3.6 章节附录 | 第58-62页 |
| 4 基于语义一致性约束的可适应零样本学习 | 第62-83页 |
| 4.1 问题概述 | 第62-64页 |
| 4.2 算法设计与实现 | 第64-70页 |
| 4.3 一般BZ-SCR模型的优化 | 第70-72页 |
| 4.4 实验分析与验证 | 第72-77页 |
| 4.5 本章小结 | 第77-78页 |
| 4.6 章节附录 | 第78-83页 |
| 5 总结与展望 | 第83-86页 |
| 5.1 本文工作总结 | 第83-84页 |
| 5.2 下一步工作展望 | 第84-86页 |
| 参考文献 | 第86-96页 |
| 攻读博士学位期间主要的研究成果 | 第96-97页 |
| 致谢 | 第97页 |
