选择性集成迁移算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·发展状况 | 第9-13页 |
| ·主要研究内容 | 第13页 |
| ·本文内容安排 | 第13-16页 |
| 第二章 相关理论知识概述 | 第16-30页 |
| ·引言 | 第16页 |
| ·集成学习概述 | 第16-20页 |
| ·Bagging 算法 | 第17-18页 |
| ·Boosting 算法 | 第18-19页 |
| ·选择性集成算法 | 第19-20页 |
| ·迁移学习概述 | 第20-26页 |
| ·迁移学习研究问题 | 第21-22页 |
| ·迁移学习算法分类 | 第22-25页 |
| ·迁移学习的应用 | 第25-26页 |
| ·相似性度量 | 第26-28页 |
| ·欧氏距离 | 第26页 |
| ·马氏距离 | 第26-27页 |
| ·余弦相似度 | 第27页 |
| ·信息熵 | 第27-28页 |
| ·总结 | 第28-30页 |
| 第三章 选择性集成迁移学习算法 | 第30-44页 |
| ·引言 | 第30-31页 |
| ·相关工作 | 第31-33页 |
| ·Tradaboost 算法介绍 | 第31-32页 |
| ·Trbagg 算法介绍 | 第32-33页 |
| ·选择性集成迁移算法 | 第33-37页 |
| ·问题定义 | 第33-34页 |
| ·算法基本思想 | 第34-35页 |
| ·源域置信度计算 | 第35页 |
| ·算法流程 | 第35-37页 |
| ·实验仿真及结果分析 | 第37-42页 |
| ·数据描述与实验设置 | 第37-38页 |
| ·实验结果分析 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于维数约简的集成迁移学习算法 | 第44-56页 |
| ·引言 | 第44页 |
| ·SVD 奇异值分解 | 第44-45页 |
| ·基于维数约简的集成迁移学习算法 | 第45-48页 |
| ·算法基本思想 | 第45-46页 |
| ·算法流程 | 第46-48页 |
| ·实验仿真与结果分析 | 第48-55页 |
| ·数据描述与实验设置 | 第48-49页 |
| ·实验结果分析 | 第49-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于半监督的集成迁移学习算法 | 第56-70页 |
| ·引言 | 第56页 |
| ·半监督自训练算法 | 第56-57页 |
| ·基于半监督的集成迁移学习算法 | 第57-62页 |
| ·算法基本思想 | 第58-60页 |
| ·算法流程 | 第60-62页 |
| ·实验仿真与结果分析 | 第62-68页 |
| ·数据描述与实验设置 | 第62页 |
| ·实验结果分析 | 第62-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-81页 |
