基于实例的归纳式迁移学习研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 传统机器学习及迁移学习简介 | 第12-14页 |
| 1.3 本文的工作及结构 | 第14-16页 |
| 第2章 迁移学习概述 | 第16-24页 |
| 2.1 基本概念和定义 | 第16-17页 |
| 2.2 迁移学习的分类及其研究现状 | 第17-19页 |
| 2.3 Boosting算法 | 第19-20页 |
| 2.4 Adaboost算法 | 第20-21页 |
| 2.5 TrAdaboost算法 | 第21-23页 |
| 2.6 问题提出 | 第23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 基于层次相关性的迁移学习 | 第24-35页 |
| 3.1 问题描述 | 第24-25页 |
| 3.2 基本概念和定义 | 第25-27页 |
| 3.3 多层次数据 | 第27-29页 |
| 3.3.1 树形结构 | 第27-29页 |
| 3.3.2 相关性度量 | 第29页 |
| 3.4 基于层次相关性的迁移学习算法 | 第29-34页 |
| 3.4.1 基于相关性的权重分配（初始化权重） | 第30页 |
| 3.4.2 权重调整 | 第30-31页 |
| 3.4.3 错分样本权重约束 | 第31-32页 |
| 3.4.4 HRTLA算法步骤 | 第32-33页 |
| 3.4.5 HRTrA算法描述 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 多源实例迁移学习 | 第35-43页 |
| 4.1 问题描述 | 第35-36页 |
| 4.2 基本概念和定义 | 第36-37页 |
| 4.3 多源实例迁移学习算法 | 第37-41页 |
| 4.3.1 筛选 | 第37-38页 |
| 4.3.2 计算收益 | 第38-39页 |
| 4.3.3 选取集合标准 | 第39页 |
| 4.3.4 MSITrA算法步骤 | 第39-41页 |
| 4.3.5 MSITrA算法描述 | 第41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 实验结果与分析 | 第43-53页 |
| 5.1 实验数据集 | 第43-45页 |
| 5.2 性能测试与分析 | 第45-52页 |
| 5.2.1 基于层次相关性的迁移学习算法性能分析 | 第45-49页 |
| 5.2.2 多源实例迁移学习算法性能分析 | 第49-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第60-61页 |
