迁移学习理论与算法研究
| 论文摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第1章 研究背景与目标 | 第12-15页 |
| ·论文的研究背景 | 第12-13页 |
| ·论文的研究目标 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 相关知识介绍 | 第15-22页 |
| ·迁移学习 | 第15-21页 |
| ·基本理念 | 第15页 |
| ·学习目的 | 第15-16页 |
| ·多任务学习 | 第16-17页 |
| ·迁移学习的不同类别 | 第17-18页 |
| ·负迁移 | 第18-21页 |
| ·多源学习 | 第21-22页 |
| 第3章 内嵌式adaboost算法 | 第22-32页 |
| ·问题背景 | 第22页 |
| ·单视角学习 | 第22页 |
| ·多视角学习 | 第22-23页 |
| ·集成学习 | 第23-25页 |
| ·集成学习的相关理论 | 第23-24页 |
| ·Adaboost | 第24-25页 |
| ·EMV-Adaboost | 第25-28页 |
| ·算法框架 | 第25-26页 |
| ·算法详解 | 第26-28页 |
| ·实验 | 第28-29页 |
| ·实验数据描述 | 第28页 |
| ·实验结果 | 第28-29页 |
| ·理论分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 样本迁移学习算法 | 第32-50页 |
| ·问题背景 | 第32页 |
| ·多视角adaboost迁移学习算法 | 第32-40页 |
| ·算法框架 | 第32-35页 |
| ·算法详解 | 第35-37页 |
| ·理论分析 | 第37-38页 |
| ·实验 | 第38-40页 |
| ·多源多视角adaboost迁移学习算法 | 第40-45页 |
| ·算法框架 | 第40-43页 |
| ·算法详解 | 第43-45页 |
| ·实验 | 第45-49页 |
| ·基于人造数据集的实验 | 第45-47页 |
| ·基于真实数据集的实验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 参数迁移学习算法 | 第50-68页 |
| ·问题背景 | 第50页 |
| ·相关知识介绍 | 第50-53页 |
| ·支持向量机(SVM) | 第50-51页 |
| ·部分模型 | 第51-53页 |
| ·算法框架与详解 | 第53-58页 |
| ·Os-pbTL算法框架 | 第53-56页 |
| ·Os-pbTL算法详解 | 第56页 |
| ·Ms-pbTL算法框架 | 第56-58页 |
| ·Ms-pbTL算法详解 | 第58页 |
| ·实验 | 第58-66页 |
| ·基于人造数据集的实验 | 第59-61页 |
| ·基于真实数据集的实验 | 第61-64页 |
| ·源任务数量对迁移学习效果的影响 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第6章 总结 | 第68-69页 |
| 附录 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75页 |
