| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-16页 |
| 1.3.1 文本分类研究现状 | 第12-13页 |
| 1.3.2 迁移学习研究现状 | 第13-16页 |
| 1.4 研究内容 | 第16-17页 |
| 1.5 论文组织结构 | 第17-18页 |
| 第2章 文本分类的基本理论 | 第18-28页 |
| 2.1 文本分类概述 | 第18页 |
| 2.2 文本分类过程 | 第18-26页 |
| 2.2.1 文本预处理 | 第19-20页 |
| 2.2.2 特征抽取 | 第20-23页 |
| 2.2.3 常用文本分类算法 | 第23-25页 |
| 2.2.4 文本分类性能评估 | 第25-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 迁移学习基本理论 | 第28-35页 |
| 3.1 迁移学习的提出 | 第28页 |
| 3.2 迁移学习基本概念 | 第28-29页 |
| 3.3 迁移学习的内容 | 第29-33页 |
| 3.3.1 迁移学习的分类 | 第29-31页 |
| 3.3.2 迁移学习的方法 | 第31页 |
| 3.3.3 迁移学习的当前研究进展 | 第31-33页 |
| 3.4 迁移学习的应用 | 第33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 基于实例的迁移学习算法研究 | 第35-43页 |
| 4.1 算法提出背景 | 第35页 |
| 4.2 基于 AdaBoost 的归纳式迁移学习算法 | 第35-39页 |
| 4.2.1 AdaBoost 算法 | 第35页 |
| 4.2.2 算法基本思想 | 第35-36页 |
| 4.2.3 算法描述 | 第36-37页 |
| 4.2.4 算法分析 | 第37-39页 |
| 4.3 实验分析 | 第39-42页 |
| 4.3.1 数据集 | 第39-40页 |
| 4.3.2 实验结果分析 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 未来的研究方向 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 作者简介 | 第49-50页 |
| 致谢 | 第50页 |