改进的多源域多视角迁移算法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-9页 |
| 1.1 课题研究背景和意义 | 第6-7页 |
| 1.2 国内外研究及现状 | 第7页 |
| 1.3 论文的主要工作与章节安排 | 第7-9页 |
| 第二章 分类算法概述 | 第9-18页 |
| 2.1 分类的基础知识 | 第10-11页 |
| 2.1.1 分类算法中的定义 | 第10页 |
| 2.1.2 分类算法的结构 | 第10-11页 |
| 2.2 分类算法 | 第11-17页 |
| 2.2.1 基于概率统计的分类算法 | 第12-13页 |
| 2.2.2 决策树分类算法 | 第13-14页 |
| 2.2.3 基于神经网络分类算法 | 第14-15页 |
| 2.2.4 基于集成分类算法 | 第15-16页 |
| 2.2.5 数据分析算法 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 迁移学习算法 | 第18-21页 |
| 3.1 迁移学习算法介绍 | 第18-19页 |
| 3.2 迁移算法的分类 | 第19页 |
| 3.2.1 传统的学习算法 | 第19页 |
| 3.2.2 归纳迁移学习算法 | 第19页 |
| 3.2.3 直推式迁移学习算法 | 第19页 |
| 3.2.4 无监督学习算法 | 第19页 |
| 3.3 迁移学习面临的问题 | 第19-20页 |
| 3.4 本章小结 | 第20-21页 |
| 第四章 迁移学习中的多源域和多视角算法 | 第21-30页 |
| 4.1 多源域理论 | 第21-22页 |
| 4.2 多源域迁移算法 | 第22-25页 |
| 4.3 多视角理论 | 第25-28页 |
| 4.3.1 单视角学习 | 第25页 |
| 4.3.2 多视角学习 | 第25-26页 |
| 4.3.3 多视角学习算法及原则 | 第26-28页 |
| 4.4 传统的多源域多视角算法 | 第28-29页 |
| 4.5 本章小结 | 第29-30页 |
| 第五章 改进的多源域多视角迁移算法 | 第30-40页 |
| 5.1 本文算法 | 第30-35页 |
| 5.1.1 动态多源域多视角算法 | 第31-33页 |
| 5.1.2 动态多源域多视角迁移算法分析 | 第33-35页 |
| 5.2 实验结果 | 第35-39页 |
| 5.3 本章小结 | 第39-40页 |
| 第六章 总结与展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 攻读学位期间的研究成果 | 第46-47页 |
| 致谢 | 第47-48页 |
