| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·传统机器学习及迁移学习简介 | 第8-9页 |
| ·迁移学习的研究现状 | 第9-10页 |
| ·本文的工作及结构 | 第10-12页 |
| 第二章 迁移学习介绍 | 第12-18页 |
| ·迁移学习核心的介绍 | 第12-13页 |
| ·迁移学习分类 | 第13-14页 |
| ·MultiSourceTrAdaBoost 算法 | 第14-17页 |
| ·小结 | 第17-18页 |
| 第三章 基于超图的多源迁移学习算法的研究 | 第18-30页 |
| ·超图简介 | 第18-20页 |
| ·超图与超图结构 | 第18-19页 |
| ·超图学习算法 | 第19-20页 |
| ·基于超图的迁移学习算法 | 第20-23页 |
| ·基于样本标签构建超图 | 第20-21页 |
| ·超图的谱学习 | 第21-22页 |
| ·算法的描述 | 第22-23页 |
| ·实验及分析 | 第23-28页 |
| ·实验数据集介绍 | 第23-25页 |
| ·实验结果及分析 | 第25-28页 |
| ·小结 | 第28-30页 |
| 第四章 半监督学习与多源迁移学习的融合 | 第30-42页 |
| ·半监督学习介绍 | 第30-32页 |
| ·半监督学习研究现状及基本思想 | 第30-31页 |
| ·半监督中的学习技术 | 第31-32页 |
| ·助学习与多源迁移算法的融合 | 第32-35页 |
| ·Help-MITL 算法的流程 | 第32-33页 |
| ·迁移能力的计算 | 第33-34页 |
| ·算法的描述 | 第34-35页 |
| ·实验及分析 | 第35-41页 |
| ·小结 | 第41-42页 |
| 第五章 基于主动学习的多源迁移算法的研究 | 第42-52页 |
| ·主动学习介绍 | 第42-44页 |
| ·主动学习解决问题及框架 | 第42页 |
| ·主动学习算法 | 第42-44页 |
| ·主动迁移样本 | 第44-47页 |
| ·基于样本迁移 | 第44-46页 |
| ·AtMTL 算法的描述 | 第46-47页 |
| ·实验及分析 | 第47-50页 |
| ·小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·工作总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士期间的研究成果 | 第62-63页 |