| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·引言 | 第11-12页 |
| ·本文的主要研究内容 | 第12页 |
| ·本文的主要内容及组织 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 迁移学习概述 | 第14-20页 |
| ·引言 | 第14-16页 |
| ·迁移学习的分类 | 第16-18页 |
| ·迁移学习的主要研究问题 | 第16页 |
| ·迁移学习技术的形式分类 | 第16-17页 |
| ·迁移学习技术的方法分类 | 第17-18页 |
| ·迁移学习的应用 | 第18-19页 |
| ·迁移学习研究的常用资源 | 第19页 |
| ·迁移学习研究的数据集 | 第19页 |
| ·迁移学习研究的工具箱 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 迁移学习方法研究概述 | 第20-28页 |
| ·基本符号 | 第20页 |
| ·归纳式迁移学习 | 第20-24页 |
| ·基于实例的迁移学习方法 | 第20-21页 |
| ·基于特征表示的迁移学习方法 | 第21-22页 |
| ·基于共享特性的迁移学习方法 | 第22-23页 |
| ·基于相关知识的迁移学习方法 | 第23-24页 |
| ·直推式迁移学习 | 第24-26页 |
| ·基于实例的迁移学习方法 | 第24-25页 |
| ·基于特征表示的迁移学习方法 | 第25-26页 |
| ·无监督迁移学习 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于Logistic 回归的直推式迁移学习 | 第28-39页 |
| ·引言 | 第28-29页 |
| ·Logistic 回归模型 | 第29-30页 |
| ·Logistic 回归模型概述 | 第29页 |
| ·Logistic 回归模型算法描述 | 第29-30页 |
| ·基于Logistic 回归的直推式迁移学习 | 第30-35页 |
| ·问题的定义 | 第30-31页 |
| ·基于Logistic 回归的直推式迁移模型 | 第31-32页 |
| ·评估原始领域数据权重 | 第32-34页 |
| ·TTLR 算法描述 | 第34-35页 |
| ·实验与结果分析 | 第35-38页 |
| ·数据集的选取 | 第35-36页 |
| ·实验结果分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于Logistic 回归的多领域直推式迁移学习 | 第39-47页 |
| ·问题定义 | 第39-40页 |
| ·基础算法模型 | 第40-41页 |
| ·改进的logistic 回归模型 | 第40页 |
| ·多项logit 模型（Multinomial Logit Model） | 第40-41页 |
| ·基于 Logistic 回归的多领域迁移学习模型 | 第41-42页 |
| ·评估不同领域数据分布的差异性 | 第42-44页 |
| ·算法描述和实验结果 | 第44-46页 |
| ·算法描述 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·本文总结 | 第47-48页 |
| ·工作展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 研究生期间科研与论文情况 | 第54-55页 |
