不平衡数据的深度迁移学习分类算法
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 概述 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 传统的不平衡分类方法 | 第9-11页 |
| 1.2.2 不平衡数据的迁移学习 | 第11-13页 |
| 1.2.3 不平衡数据的深度学习 | 第13页 |
| 1.2.4 存在问题 | 第13-14页 |
| 1.3 本课题的研究内容 | 第14-15页 |
| 1.4 本课题的研究意义 | 第15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第二章 相关理论及研究 | 第16-26页 |
| 2.1 迁移学习概述 | 第16-18页 |
| 2.2 深度学习概述 | 第18-22页 |
| 2.2.1 深层网络的类型及结构 | 第18-20页 |
| 2.2.2 损失函数 | 第20-22页 |
| 2.2.3 深度迁移学习 | 第22页 |
| 2.3 不平衡分类性能评价标准 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 不平衡迁移学习算法 | 第26-37页 |
| 3.1 算法思想 | 第26-28页 |
| 3.1.1 错分样本的权值更新方法 | 第26-27页 |
| 3.1.2 弱分类器的权重计算 | 第27-28页 |
| 3.2 UTrA算法流程 | 第28-29页 |
| 3.3 实验和分析 | 第29-36页 |
| 3.3.1 实验数据 | 第29-31页 |
| 3.3.2 实验结果与分析 | 第31-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 不平衡深度迁移集成算法 | 第37-51页 |
| 4.1 算法思想 | 第37-40页 |
| 4.1.1 平均精度损失函数 | 第37-38页 |
| 4.1.2 迁移分类器的集成学习 | 第38-40页 |
| 4.2 EUDT算法流程 | 第40-41页 |
| 4.3 实验和分析 | 第41-50页 |
| 4.3.1 实验准备 | 第41-43页 |
| 4.3.2 实验结果与分析 | 第43-50页 |
| 4.4 本章小结 | 第50-51页 |
| 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |
