基于迁移学习的恐怖行为预测算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关理论及技术 | 第16-24页 |
| 2.1 迁移学习基础概念 | 第16-17页 |
| 2.2 迁移学习的分类 | 第17-19页 |
| 2.3 基于实例的迁移学习 | 第19-21页 |
| 2.4 基于特征的迁移学习 | 第21-22页 |
| 2.4.1 基于特征选择的方法 | 第21页 |
| 2.4.2 基于特征映射的方法 | 第21-22页 |
| 2.5 基于参数及相关知识的迁移学习 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于多源实例迁移的恐怖行为预测算法 | 第24-35页 |
| 3.1 新组织行为预测问题分析 | 第24-25页 |
| 3.2 迁移过程优化 | 第25-27页 |
| 3.2.1 误差过滤机制 | 第25-26页 |
| 3.2.2 基于源组织权重因子的模型集成 | 第26-27页 |
| 3.3 基于多组织实例迁移的恐怖行为预测算法 | 第27-30页 |
| 3.3.1 实例迁移自适应提升原理 | 第27-28页 |
| 3.3.2 MO-TrAdaBoost算法 | 第28-29页 |
| 3.3.3 算法分析 | 第29-30页 |
| 3.4 实验分析 | 第30-34页 |
| 3.4.1 数据集和相关算法 | 第30-31页 |
| 3.4.2 算法评价标准 | 第31-32页 |
| 3.4.3 实验结果及分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 源组织筛选及恐怖行为预测 | 第35-47页 |
| 4.1 源组织筛选问题分析 | 第35-36页 |
| 4.2 背景属性划分 | 第36-38页 |
| 4.3 基于聚类的源组织筛选算法 | 第38-41页 |
| 4.3.1 K-modes算法原理 | 第38-39页 |
| 4.3.2 距离测度的选择 | 第39-40页 |
| 4.3.3 算法描述与分析 | 第40-41页 |
| 4.4 基于源组织筛选改进的恐怖行为预测算法 | 第41-42页 |
| 4.5 实验分析 | 第42-46页 |
| 4.5.1 数据集和相关算法介绍 | 第42-43页 |
| 4.5.2 实验结果及分析 | 第43-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 原型系统的设计与实现 | 第47-59页 |
| 5.1 原型系统运行环境及开发平台 | 第47页 |
| 5.2 系统设计原则 | 第47-48页 |
| 5.3 系统功能模块设计 | 第48-51页 |
| 5.3.1 数据预处理模块 | 第50页 |
| 5.3.2 源组织筛选模块 | 第50页 |
| 5.3.3 迁移训练模块 | 第50页 |
| 5.3.4 行为预测模块 | 第50-51页 |
| 5.4 系统核心类的设计 | 第51-54页 |
| 5.4.1 数据预处理类 | 第51-52页 |
| 5.4.2 源组织筛选类 | 第52-53页 |
| 5.4.3 实例迁移类 | 第53-54页 |
| 5.5 原型系统的实现 | 第54-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术成果 | 第66页 |
