| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-10页 |
| Extended Abstract | 第10-13页 |
| 目录 | 第13-17页 |
| 图清单 | 第17-20页 |
| 表清单 | 第20-22页 |
| 1 绪论 | 第22-29页 |
| ·研究目标 | 第23-24页 |
| ·研究内容 | 第24页 |
| ·研究方案 | 第24-25页 |
| ·研究成果及意义 | 第25-26页 |
| ·本文结构 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 2 迁移学习综述 | 第29-43页 |
| ·研究背景 | 第29-31页 |
| ·迁移的内容 | 第31-35页 |
| ·迁移学习的研究成果 | 第35-40页 |
| ·迁移学习的应用 | 第40-41页 |
| ·迁移学习常用资源 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 3 基于多源动态 TrAdaBoost 的实例迁移学习 | 第43-73页 |
| ·研究背景 | 第43-44页 |
| ·理论基础 | 第44-48页 |
| ·基于多源动态 TrAdaBoost 的实例迁移学习 | 第48-61页 |
| ·实验与分析 | 第61-71页 |
| ·本章小结 | 第71-73页 |
| 4 基于协方差矩阵的特征迁移学习 | 第73-90页 |
| ·研究背景 | 第73-74页 |
| ·协方差矩阵 | 第74-77页 |
| ·基于协方差矩阵的特征迁移学习 | 第77-84页 |
| ·实验与分析 | 第84-88页 |
| ·本章小结 | 第88-90页 |
| 5 基于层次贝叶斯的参数迁移学习 | 第90-108页 |
| ·研究背景 | 第90-91页 |
| ·层次贝叶斯 | 第91-95页 |
| ·基于层次贝叶斯的参数迁移学习 | 第95-103页 |
| ·实验与分析 | 第103-106页 |
| ·本章小结 | 第106-108页 |
| 6 基于马尔可夫逻辑网的关联规则迁移学习 | 第108-128页 |
| ·研究背景 | 第108-109页 |
| ·马尔可夫逻辑网 | 第109-114页 |
| ·基于马尔可夫逻辑网的关联规则迁移学习 | 第114-121页 |
| ·实验与分析 | 第121-126页 |
| ·本章小结 | 第126-128页 |
| 7 结论 | 第128-131页 |
| ·本文所做的工作 | 第128-129页 |
| ·需要进一步研究的问题 | 第129-131页 |
| 参考文献 | 第131-144页 |
| 作者简历 | 第144-147页 |
| 学位论文数据集 | 第147页 |