迁移学习分类技术及应用研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 论文研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 迁移学习研究现状 | 第16-17页 |
| 1.2.2 雷达辐射源识别研究现状 | 第17-18页 |
| 1.2.3 雷达干扰决策研究现状 | 第18-19页 |
| 1.3 本文的主要工作和章节安排 | 第19-21页 |
| 第二章 相关研究及分析 | 第21-29页 |
| 2.1 迁移学习与零样本学习 | 第21-22页 |
| 2.2 直推式学习 | 第22-24页 |
| 2.3 域适应 | 第24-26页 |
| 2.4 强化学习 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于局部学习的直推式零样本学习算法 | 第29-43页 |
| 3.1 线性兼容性函数模型 | 第29-31页 |
| 3.2 考虑类别差异的损失函数和模型求解 | 第31-34页 |
| 3.2.1 损失函数 | 第31-32页 |
| 3.2.2 模型求解 | 第32-34页 |
| 3.3 基于局部学习的模型修正 | 第34-36页 |
| 3.3.1 投影域漂移问题 | 第34页 |
| 3.3.2 用局部学习修正模型 | 第34-36页 |
| 3.4 实验部分 | 第36-42页 |
| 3.4.1 数据集说明 | 第36-38页 |
| 3.4.2 参数调试及实验对比 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于迁移成分分析的未知雷达辐射源识别方法 | 第43-55页 |
| 4.1 雷达辐射源分析 | 第43-45页 |
| 4.1.1 雷达辐射源特征参数 | 第43-44页 |
| 4.1.2 未知和已知雷达辐射源的关系 | 第44-45页 |
| 4.2 基于迁移成分分析的雷达辐射源识别方法 | 第45-50页 |
| 4.2.1 基于高斯混合模型的新类别检测 | 第45-46页 |
| 4.2.2 已知与未知类别的迁移成分分析 | 第46-48页 |
| 4.2.3 基于贝叶斯法则的二阶段分类方法 | 第48-50页 |
| 4.3 实验部分 | 第50-53页 |
| 4.3.1 数据仿真 | 第50-51页 |
| 4.3.2 实验结果分析 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 基于Q学习的雷达干扰决策算法 | 第55-69页 |
| 5.1 雷达干扰问题分析 | 第55-57页 |
| 5.1.1 相控阵雷达的工作模式分析 | 第55-56页 |
| 5.1.2 雷达干扰样式 | 第56-57页 |
| 5.1.3 干扰效能评估 | 第57页 |
| 5.2 基于Q学习算法在雷达干扰决策 | 第57-63页 |
| 5.2.1 雷达干扰系统与强化学习 | 第57-58页 |
| 5.2.2 状态空间与动作空间 | 第58-59页 |
| 5.2.3 状态转移概率与奖赏函数 | 第59-60页 |
| 5.2.4 Q学习算法在雷达干扰决策中的应用 | 第60-63页 |
| 5.3 实验部分 | 第63-67页 |
| 5.3.1 策略的评价方法 | 第63-64页 |
| 5.3.2 实验结果分析 | 第64-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
