迁移学习方法研究及其在跨领域数据分类中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-32页 |
| ·引言 | 第13-14页 |
| ·迁移机器学习研究背景 | 第14-16页 |
| ·研究意义 | 第16页 |
| ·迁移学习研究现状 | 第16-28页 |
| ·实例迁移 | 第17-19页 |
| ·特征迁移 | 第19-24页 |
| ·参数迁移 | 第24-25页 |
| ·关系知识迁移 | 第25页 |
| ·迁移学习的其他研究 | 第25-26页 |
| ·研究现状总结分析 | 第26-28页 |
| ·研究目标 | 第28页 |
| ·本文的研究思路和内容 | 第28-32页 |
| ·研究思路 | 第28-29页 |
| ·研究内容和创新点 | 第29-32页 |
| 第二章 迁移学习简介 | 第32-40页 |
| ·相关概念 | 第32-34页 |
| ·领域 | 第32页 |
| ·学习任务 | 第32页 |
| ·跨领域学习任务 | 第32-33页 |
| ·迁移学习 | 第33-34页 |
| ·与传统学习方法的关系 | 第34页 |
| ·迁移学习分类 | 第34-37页 |
| ·领域相似度的衡量 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 多步桥接精化迁移学习 | 第40-59页 |
| ·引言 | 第40-41页 |
| ·多步桥接精化迁移模型 | 第41-46页 |
| ·问题定义 | 第41页 |
| ·交互精化 | 第41-43页 |
| ·多步桥接精化 | 第43-45页 |
| ·算法描述 | 第45-46页 |
| ·收敛性分析 | 第46页 |
| ·实验与分析 | 第46-58页 |
| ·实验数据集 | 第46-47页 |
| ·对文档数据集的处理 | 第47-49页 |
| ·评价准则 | 第49页 |
| ·实验设置 | 第49-50页 |
| ·实验结果和讨论 | 第50-56页 |
| ·混合模型数据分布变化分析 | 第56-58页 |
| ·参数调整 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第四章 基于嵌入修正的迁移学习 | 第59-71页 |
| ·引言 | 第59-60页 |
| ·基于嵌入修正的迁移模型 | 第60-64页 |
| ·问题定义 | 第60页 |
| ·嵌入空间 | 第60-61页 |
| ·嵌入修正迁移 | 第61-64页 |
| ·算法描述 | 第64页 |
| ·实验与分析 | 第64-70页 |
| ·数据集 | 第64-66页 |
| ·实验结果 | 第66-67页 |
| ·参数调整 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 基于特征对齐的迁移学习 | 第71-84页 |
| ·引言 | 第71-72页 |
| ·流形学习 | 第72-73页 |
| ·拉普拉斯特征映射 | 第73页 |
| ·基于特征对齐的迁移模型 | 第73-77页 |
| ·问题定义 | 第74页 |
| ·问题分析 | 第74-75页 |
| ·目标函数 | 第75-77页 |
| ·算法描述 | 第77页 |
| ·实验与分析 | 第77-83页 |
| ·实验设置 | 第77-79页 |
| ·评价准则 | 第79页 |
| ·数据检验 | 第79-81页 |
| ·实验对比和分析 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 基于实例和特征的混合迁移 | 第84-109页 |
| ·引言 | 第84-86页 |
| ·基于实例约束与特征联系的迁移模型 | 第86-96页 |
| ·问题定义 | 第86页 |
| ·谱聚类概述 | 第86-87页 |
| ·算法思路 | 第87-88页 |
| ·特征层的信息 | 第88-90页 |
| ·实例层的约束信息 | 第90-92页 |
| ·目标方程 | 第92-94页 |
| ·与FATL 的联系 | 第94-95页 |
| ·基于风险控制的TICFR | 第95-96页 |
| ·算法流程 | 第96页 |
| ·实验与分析 | 第96-108页 |
| ·实验数据集 | 第96-98页 |
| ·评价标准 | 第98页 |
| ·实验设置 | 第98-99页 |
| ·实验结果和分析 | 第99-107页 |
| ·参数调整 | 第107-108页 |
| ·本章小结 | 第108-109页 |
| 结论和展望 | 第109-111页 |
| 参考文献 | 第111-125页 |
| 攻读博士学位期间取得的研究成果 | 第125-127页 |
| 致谢 | 第127-129页 |
| 附录 | 第129页 |
