基于自学习的直推式迁移学习方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-15页 |
| ·引言 | 第12-13页 |
| ·本文的主要研究内容 | 第13页 |
| ·本文组织结构 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 迁移学习概述 | 第15-22页 |
| ·引言 | 第15-16页 |
| ·迁移学习的研究问题 | 第16页 |
| ·迁移学习的分类 | 第16-18页 |
| ·迁移学习的研究现状与应用 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于类别分布的多领域动态适应情感分类 | 第22-36页 |
| ·引言 | 第22-23页 |
| ·MDACD算法介绍 | 第23-26页 |
| ·相关定义 | 第23页 |
| ·实例的预标记 | 第23-24页 |
| ·动态添加预标记实例 | 第24-25页 |
| ·分类器集成 | 第25页 |
| ·算法描述 | 第25-26页 |
| ·实验结果及其分析 | 第26-35页 |
| ·实验设置 | 第26-27页 |
| ·参数取值讨论 | 第27页 |
| ·MDACD算法及其主要步骤分类结果 | 第27-29页 |
| ·原始领域的选择策略比较 | 第29页 |
| ·实例的动态添加统计 | 第29-31页 |
| ·MDACD算法的分类性能比较 | 第31-32页 |
| ·在不平衡数据集上的扩展实验 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于实例重构的多领域适应情感分类 | 第36-45页 |
| ·引言 | 第36页 |
| ·MAIR算法介绍 | 第36-40页 |
| ·选择原始领域 | 第37-38页 |
| ·实例重构 | 第38-39页 |
| ·选择预标记数据 | 第39页 |
| ·算法描述与时间性能分析 | 第39-40页 |
| ·实验结果与分析 | 第40-44页 |
| ·实验设置 | 第40-41页 |
| ·MAIR算法及其主要步骤分类结果 | 第41页 |
| ·MAIR算法的分类性能比较 | 第41-43页 |
| ·MAIR算法的时间性能比较 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 跨领域情感分类原型系统 | 第45-50页 |
| ·系统总体设计介绍 | 第45-46页 |
| ·系统功能介绍 | 第46-49页 |
| ·数据获取 | 第46-47页 |
| ·算法执行 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| ·本文总结 | 第50页 |
| ·未来展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间科研与发表的论文 | 第57-58页 |
