| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-27页 |
| 1.1 引言 | 第10-11页 |
| 1.2 迁移学习的定义 | 第11-13页 |
| 1.2.1 迁移学习的定义和分类 | 第11-12页 |
| 1.2.2 负迁移 | 第12-13页 |
| 1.2.3 迁移学习中的术语问题 | 第13页 |
| 1.3 迁移学习研究现状 | 第13-25页 |
| 1.3.1 迁移学习的解决方案 | 第13-14页 |
| 1.3.2 同构迁移学习 | 第14-19页 |
| 1.3.3 异构迁移学习 | 第19-24页 |
| 1.3.4 负迁移学习 | 第24-25页 |
| 1.4 文章的主要工作 | 第25-26页 |
| 1.5 文章结构 | 第26-27页 |
| 第二章 常规迁移学习算法研究 | 第27-41页 |
| 2.1 迁移成分分析 | 第27-30页 |
| 2.2 测地流核算法 | 第30-31页 |
| 2.3 基于迁移学习的信息理论学习 | 第31-34页 |
| 2.4 空间对齐算法 | 第34-36页 |
| 2.5 最大独立域适应算法 | 第36-39页 |
| 2.6 可视化数据实验 | 第39-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第三章 基于深度学习的迁移算法研究 | 第41-50页 |
| 3.1 卷积神经网络与迁移学习 | 第41页 |
| 3.2 卷积神经网络介绍 | 第41-45页 |
| 3.2.1 生物神经网络 | 第42页 |
| 3.2.2 前馈神经网络 | 第42-43页 |
| 3.2.3 激活函数 | 第43页 |
| 3.2.4 卷积神经网络的实现 | 第43-44页 |
| 3.2.5 AlexNet网络结构 | 第44-45页 |
| 3.3 边际化堆叠去噪自动编码器 | 第45-49页 |
| 3.3.1 堆叠去噪自动编码器简介 | 第46页 |
| 3.3.2 堆叠去噪自动编码器 | 第46页 |
| 3.3.3 特征生成 | 第46-49页 |
| 3.3.4 边际化堆叠去噪自动编码器的域适应 | 第49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于迁移学习的表情识别实验结果与分析 | 第50-61页 |
| 4.1 引言 | 第50页 |
| 4.2 实验数据库介绍 | 第50-53页 |
| 4.2.1 CK数据库介绍 | 第50-51页 |
| 4.2.2 Jaffe数据库介绍 | 第51页 |
| 4.2.3 AFEW2016数据库介绍 | 第51-52页 |
| 4.2.4 FER2013数据库介绍 | 第52-53页 |
| 4.3 实验平台与工具介绍 | 第53-55页 |
| 4.3.1 实验平台 | 第53页 |
| 4.3.2 人脸标定与特征提取 | 第53-55页 |
| 4.3.3 分类器介绍 | 第55页 |
| 4.4 实验结果与分析 | 第55-60页 |
| 4.4.1 CK+与Jaffe数据库上的迁移学习实验 | 第55-57页 |
| 4.4.2 CK+与Jaffe数据库上迁移学习的实验结果分析 | 第57-59页 |
| 4.4.3 FER2013数据库到AFEW2016数据库上的迁移学习实验 | 第59-60页 |
| 4.4.4 FER2013数据库到AFEW2016数据库上迁移学习的实验结果分析 | 第60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文总结 | 第61页 |
| 5.2 未来展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录1攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录2攻读硕士学位期间申请的专利 | 第69-70页 |
| 附录3攻读硕士学位期间参加的科研项目 | 第70-71页 |
| 致谢 | 第71页 |
