基于模糊C均值的文本迁移学习算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文的主要研究内容和组织结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 2 相关理论 | 第13-24页 |
| 2.1 文本分类概述 | 第13页 |
| 2.2 文本分类流程 | 第13-14页 |
| 2.3 文本分类评价 | 第14-15页 |
| 2.4 迁移学习基本理论 | 第15-21页 |
| 2.4.1 迁移学习概述 | 第15-16页 |
| 2.4.2 迁移学习算法分类 | 第16页 |
| 2.4.3 归纳迁移学习算法 | 第16-18页 |
| 2.4.4 直推式迁移学习算法 | 第18-20页 |
| 2.4.5 非监督式迁移学习算法 | 第20-21页 |
| 2.5 基于模糊理论的迁移学习算法 | 第21-22页 |
| 2.5.1 算法概述 | 第21页 |
| 2.5.2 FDA算法 | 第21-22页 |
| 2.5.3 BR算法 | 第22页 |
| 2.6 本章小结 | 第22-24页 |
| 3 基于模糊C均值的文本迁移学习算法 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 算法描述 | 第24-37页 |
| 3.2.1 算法思路 | 第25-27页 |
| 3.2.2 跨域自然近邻发现 | 第27-29页 |
| 3.2.3 模糊隶属度初始化 | 第29-30页 |
| 3.2.4 目标函数构造与优化 | 第30-34页 |
| 3.2.5 变特征的目标域分类器训练 | 第34-36页 |
| 3.2.6 孤立点分析 | 第36-37页 |
| 3.3 算法总结与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 实验结果及分析 | 第40-49页 |
| 4.1 实验评价标准 | 第40页 |
| 4.2 实验环境 | 第40-41页 |
| 4.3 实验数据及数据预处理 | 第41-42页 |
| 4.3.1 实验数据 | 第41-42页 |
| 4.3.2 数据预处理 | 第42页 |
| 4.4 实验结果 | 第42-48页 |
| 4.4.1 二分类数据集实验结果 | 第42-47页 |
| 4.4.2 四分类数据集实验结果 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49-50页 |
| 5.2 研究展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55页 |
