| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 课题背景 | 第10页 |
| 1.1.2 迁移学习研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作及结构 | 第12-15页 |
| 1.3.1 主要工作 | 第12-13页 |
| 1.3.2 本文结构 | 第13-15页 |
| 第2章 迁移学习介绍 | 第15-19页 |
| 2.1 迁移学习原理及相关概念 | 第15-16页 |
| 2.2 迁移学习分类 | 第16-17页 |
| 2.3 负迁移 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 面向遥感图像分类的卷积神经网络设计与分析 | 第19-30页 |
| 3.1 引言 | 第19页 |
| 3.2 卷积神经网络 | 第19-20页 |
| 3.3 基于遥感图像分类的卷积神经网络结构设计 | 第20-23页 |
| 3.3.1 经典卷积神经网络介绍 | 第20-22页 |
| 3.3.2 面向遥感图像分类的卷积神经网络的构建 | 第22-23页 |
| 3.4 数据集介绍 | 第23-25页 |
| 3.4.1 遥感图像数据集 | 第23-24页 |
| 3.4.2 常规图像数据集 | 第24-25页 |
| 3.5 实验分析 | 第25-29页 |
| 3.5.1 实验设置 | 第25页 |
| 3.5.2 训练细节 | 第25-26页 |
| 3.5.3 实验结果分析 | 第26-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 源数据集与目标数据集的相似性度量算法 | 第30-44页 |
| 4.1 引言 | 第30页 |
| 4.2 源数据集与目标数据集的相似性度量 | 第30-32页 |
| 4.2.1 源数据集的选择 | 第30页 |
| 4.2.2 相似性度量算法 | 第30-32页 |
| 4.3 实验分析 | 第32-43页 |
| 4.3.1 实验设置 | 第32-33页 |
| 4.3.2 迁移性分析 | 第33-35页 |
| 4.3.3 相似性度量指标 | 第35-42页 |
| 4.3.4 实验结果分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于深度学习的迁移学习算法 | 第44-49页 |
| 5.1 引言 | 第44页 |
| 5.2 基于深度学习的迁移学习研究 | 第44-46页 |
| 5.2.1 问题描述 | 第44页 |
| 5.2.2 基于卷积神经网络的不同层次的迁移学习方法 | 第44-46页 |
| 5.3 基于BN-Cluster算法的迁移学习性能优化 | 第46-48页 |
| 5.3.1 BN-Cluster算法 | 第46-47页 |
| 5.3.2 实验结果分析 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第54页 |