| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 1 绪论 | 第18-31页 |
| 1.1 研究背景 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-26页 |
| 1.3 当前迁移分类算法存在的问题 | 第26-27页 |
| 1.4 主要研究方法与贡献 | 第27-29页 |
| 1.5 论文组织结构 | 第29-30页 |
| 1.6 本章小结 | 第30-31页 |
| 2 分类器与迁移学习的相关知识 | 第31-47页 |
| 2.1 分类器与机器学习概述 | 第31-32页 |
| 2.2 常用分类器 | 第32-36页 |
| 2.3 迁移学习概述 | 第36-37页 |
| 2.4 迁移分类器 | 第37-40页 |
| 2.5 领域间分布差异度量 | 第40-41页 |
| 2.6 常用迁移分类数据集 | 第41-46页 |
| 2.7 本章小结 | 第46-47页 |
| 3 基于样本差异性加权的特征迁移分类器 | 第47-68页 |
| 3.1 研究动机 | 第47-49页 |
| 3.2 迁移主成分分析 | 第49-50页 |
| 3.3 基于最大分布加权均值差异的联合分布调整 | 第50-58页 |
| 3.4 基于样本局部判别权重的加权迁移成分分析 | 第58-66页 |
| 3.5 本章小结 | 第66-68页 |
| 4 基于跨领域均值逼近差异度量的特征迁移分类器 | 第68-82页 |
| 4.1 研究动机 | 第68-69页 |
| 4.2 跨领域均值逼近差异度量 | 第69-71页 |
| 4.3 跨领域均值联合逼近嵌入 | 第71-75页 |
| 4.4 实验与分析 | 第75-80页 |
| 4.5 本章小结 | 第80-82页 |
| 5 基于半监督与柔性投影约束的特征迁移分类器 | 第82-103页 |
| 5.1 研究动机 | 第82-84页 |
| 5.2 联合分布调整 | 第84-85页 |
| 5.3 基于跨领域均值约束的半监督迁移判别分析 | 第85-93页 |
| 5.4 半监督柔性联合分布调整 | 第93-102页 |
| 5.5 本章小结 | 第102-103页 |
| 6 基于极限学习机与Softmax回归的模型迁移分类器 | 第103-119页 |
| 6.1 研究动机 | 第103-105页 |
| 6.2 基于输出权重对齐的迁移极限学习机 | 第105-112页 |
| 6.3 迁移Softmax回归 | 第112-118页 |
| 6.4 本章小结 | 第118-119页 |
| 7 结论与展望 | 第119-122页 |
| 7.1 结论 | 第119-121页 |
| 7.2 展望 | 第121-122页 |
| 参考文献 | 第122-131页 |
| 作者简历 | 第131-133页 |
| 学位论文数据集 | 第133页 |