| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-15页 |
| 1.2.1 迁移学习 | 第12-14页 |
| 1.2.2 TrAdaBoost算法 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文工作及章节安排 | 第16-17页 |
| 2 相关理论与技术 | 第17-30页 |
| 2.1 迁移学习的基础理论 | 第18-20页 |
| 2.1.1 迁移学习的定义 | 第19-20页 |
| 2.1.2 迁移学习中数据分布问题的一些解释 | 第20页 |
| 2.1.3 负迁移 | 第20页 |
| 2.2 迁移学习的分类 | 第20-23页 |
| 2.3 集成学习算法 | 第23-26页 |
| 2.3.1 常用集成学习算法介绍 | 第24-25页 |
| 2.3.2 集成学习算法性能的改善 | 第25-26页 |
| 2.4 差分进化算法 | 第26-29页 |
| 2.4.1 初始化算子 | 第27页 |
| 2.4.2 变异算子 | 第27-28页 |
| 2.4.3 修补算子 | 第28页 |
| 2.4.4 杂交算子 | 第28-29页 |
| 2.4.5 选择算子 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于差分进化的特征选择算法DEFSS | 第30-46页 |
| 3.1 特征选择方法简介 | 第30-32页 |
| 3.2 基于差分进化的特征选择算法DEFSS | 第32-40页 |
| 3.2.1 理论构建 | 第33-37页 |
| 3.2.2 算法流程 | 第37-40页 |
| 3.3 实验分析 | 第40-44页 |
| 3.3.1 实验环境 | 第40页 |
| 3.3.2 数据集 | 第40-41页 |
| 3.3.3 实验设计与实验数据分析 | 第41-44页 |
| 3.4 本章小结 | 第44-46页 |
| 4 TrAdaBoost算法的分析与改进 | 第46-62页 |
| 4.1 TrAdaBoost算法及其缺陷的分析 | 第46-48页 |
| 4.2 源领域与目标领域权重分析与调整 | 第48-50页 |
| 4.3 基于DEFSS和异构基分类器的TrAdaBoost算法 | 第50-53页 |
| 4.4 实验分析 | 第53-60页 |
| 4.4.1 实验环境 | 第53页 |
| 4.4.2 数据集 | 第53-55页 |
| 4.4.3 实验设计与实验数据分析 | 第55-60页 |
| 4.5 本章小结 | 第60-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间的科研项目 | 第69-70页 |
| 致谢 | 第70页 |