基于实例的随机森林迁移学习研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 论文研究内容与结构安排 | 第11-12页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 结构安排 | 第11-12页 |
| 1.4 本章小结 | 第12-14页 |
| 2 迁移学习与随机森林算法的基本理论 | 第14-24页 |
| 2.1 迁移学习 | 第14-18页 |
| 2.1.1 什么是迁移学习 | 第14-15页 |
| 2.1.2 迁移学习的定义与表示 | 第15-16页 |
| 2.1.3 迁移学习的分类 | 第16-18页 |
| 2.2 随机森林 | 第18-23页 |
| 2.2.1 基本原理 | 第18-19页 |
| 2.2.2 决策树 | 第19-20页 |
| 2.2.3 Bagging集成学习 | 第20-21页 |
| 2.2.4 随机森林方法 | 第21-22页 |
| 2.2.5 算法描述 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于信息增益的随机森林迁移学习 | 第24-36页 |
| 3.1 基本思想 | 第24页 |
| 3.2 问题与定义 | 第24-26页 |
| 3.3 算法实现 | 第26-30页 |
| 3.3.1 混合信息增益 | 第26-27页 |
| 3.3.2 标签传播 | 第27-28页 |
| 3.3.3 分类结果 | 第28-29页 |
| 3.3.4 算法描述 | 第29-30页 |
| 3.4 实验分析 | 第30-35页 |
| 3.4.1 实验数据介绍 | 第30-31页 |
| 3.4.2 实验数据处理 | 第31-32页 |
| 3.4.3 实验设置与结果分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于协变量转换的随机森林迁移学习 | 第36-48页 |
| 4.1 基本思想 | 第36页 |
| 4.2 问题与定义 | 第36-39页 |
| 4.3 算法实现 | 第39-42页 |
| 4.3.1 使用协变量损失训练决策树 | 第39-40页 |
| 4.3.2 为迁移森林选择决策树 | 第40-41页 |
| 4.3.3 分类过程 | 第41页 |
| 4.3.4 算法描述 | 第41-42页 |
| 4.4 实验分析 | 第42-46页 |
| 4.4.1 实验数据介绍 | 第42-43页 |
| 4.4.2 实验数据处理 | 第43-44页 |
| 4.4.3 实验设置与结果分析 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 在学期间的研究成果 | 第52-54页 |
| 致谢 | 第54页 |
