基于单源及多源的域适应算法研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-15页 |
| 1.2 本文主要贡献 | 第15-16页 |
| 1.3 本文组织结构 | 第16-17页 |
| 第2章 关于多源域适应的综述 | 第17-26页 |
| 2.1 多源域适应理论分析 | 第17-19页 |
| 2.2 成熟的多源域适应算法 | 第19-23页 |
| 2.2.1 特征的重新表示法 | 第20-22页 |
| 2.2.2 基分类器加权法 | 第22-23页 |
| 2.3 性能度量 | 第23-24页 |
| 2.4 公共数据集 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 不相关迁移特征提取 | 第26-43页 |
| 3.1 简介 | 第26-28页 |
| 3.2 相关工作 | 第28-29页 |
| 3.3 不相关特征提取算法 | 第29-35页 |
| 3.3.1 域间散度矩阵和合并域散度矩阵 | 第30-32页 |
| 3.3.2 不相关迁移特征提取方法 | 第32-33页 |
| 3.3.3 不相关迁移特征提取方法的解 | 第33-35页 |
| 3.4 实验 | 第35-41页 |
| 3.4.1 实验数据及设置 | 第35-36页 |
| 3.4.2 实验结果 | 第36-41页 |
| 3.5 本章总结 | 第41-43页 |
| 第4章 稀疏不相关迁移特征提取 | 第43-51页 |
| 4.1 简介 | 第43页 |
| 4.2 稀疏不相关迁移特征提取及其求解 | 第43-45页 |
| 4.3 实验 | 第45-50页 |
| 4.3.1 数据集及实验设置 | 第45-49页 |
| 4.3.2 实验结果 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 贝叶斯多源域适应 | 第51-61页 |
| 5.1 简介 | 第51-52页 |
| 5.2 贝叶斯多源域适应框架及实现 | 第52-55页 |
| 5.2.1 先验 | 第53-55页 |
| 5.2.2 似然 | 第55页 |
| 5.3 实验 | 第55-60页 |
| 5.3.1 人工数据集实验 | 第56-57页 |
| 5.3.2 真实数据集 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61页 |
| 6.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 本人在读期间取得的科研成果 | 第71页 |
