| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 符号说明 | 第13-14页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 背景知识介绍 | 第14-16页 |
| 1.2 异源数据分析与相关研究现状 | 第16-18页 |
| 1.3 本论文的研究内容与主要工作 | 第18-20页 |
| 1.4 本论文的组织结构 | 第20-22页 |
| 第2章 面向异源数据的机器学习算法概述 | 第22-30页 |
| 2.1 同构异源数据场景概述 | 第22-23页 |
| 2.2 面向同构异源数据的群智学习介绍 | 第23-25页 |
| 2.2.1 群智学习问题定义 | 第24页 |
| 2.2.2 群智学习二阶段方法介绍 | 第24-25页 |
| 2.2.3 群智学习直接方法介绍 | 第25页 |
| 2.3 异构异源数据场景概述 | 第25-26页 |
| 2.4 面向异构异源数据的迁移学习介绍 | 第26-29页 |
| 2.4.1 迁移学习问题定义 | 第26-27页 |
| 2.4.2 基于样本权重的迁移方法介绍 | 第27-28页 |
| 2.4.3 基于模型参数的迁移方法介绍 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 针对同构异源数据的非参数化群智学习算法 | 第30-44页 |
| 3.1 个人分类器方法回顾 | 第30-32页 |
| 3.1.1 个人分类器方法介绍 | 第30-32页 |
| 3.2 一种非参数化的群智学习方法 | 第32-36页 |
| 3.2.1 非参数化群智学习模型介绍 | 第32-34页 |
| 3.2.2 非参数化群智学习模型的学习算法介绍 | 第34-35页 |
| 3.2.3 非参数化群智学习方法的非线性情况介绍 | 第35-36页 |
| 3.2.4 非参数化群智学习方法的特性介绍 | 第36页 |
| 3.3 实验 | 第36-42页 |
| 3.3.1 实验目的 | 第36-37页 |
| 3.3.2 实验设置 | 第37页 |
| 3.3.3 对比算法 | 第37-38页 |
| 3.3.4 合成数据集上的标注者数量的影响实验 | 第38-39页 |
| 3.3.5 合成数据集上的标注者水平的影响实验 | 第39-40页 |
| 3.3.6 合成数据集上的垃圾标注者数量的影响实验 | 第40-41页 |
| 3.3.7 真实数据集上的实验验证 | 第41页 |
| 3.3.8 算法运行时间统计及分析 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 针对异构异源数据的循环神经网络迁移学习方法 | 第44-60页 |
| 4.1 循环神经网络介绍 | 第44-47页 |
| 4.1.1 人工神经网络 | 第45-46页 |
| 4.1.2 循环神经网络 | 第46-47页 |
| 4.2 循环神经网络迁移方法介绍 | 第47-52页 |
| 4.2.1 基于模型迁移的方法 | 第47-50页 |
| 4.2.2 基于模型和样本共同迁移的方法 | 第50-52页 |
| 4.3 实验 | 第52-58页 |
| 4.3.1 实验目的 | 第52页 |
| 4.3.2 实验设置 | 第52-54页 |
| 4.3.3 基于模型迁移方法的实验验证 | 第54-56页 |
| 4.3.4 基于模型与样本共同迁移方法的实验验证 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 结束语 | 第60-64页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 进步工作 | 第61-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 在读期间发表的学术论文与取得的研究成果 | 第72页 |