声明
致谢
变量注释表
1 绪论
1.1研究背景与意义
1.2 国内外研究现状
1.2.1 极限学习机研究现状
1.2.2 领域适应研究现状
1.2.3 基于极限学习机的领域适应
1.3本文研究内容
1.4论文组织结构
2 极限学习机与领域适应研究概述
2.1极限学习机简介
2.1.1 人工神经网络
2.1.2 极限学习机
2.1.3 极限学习机优化算法
2.2 自编码极限学习机
2.3领域适应方法概述
2.3.1 分布差异度量
2.3.2 概率分布适配
2.3.3 子空间对齐
2.4本章小结
3 基于极限学习机的无监督领域适应分类器
3.1研究背景
3.2系统结构框图
3.3 基于极限学习机的无监督领域适应分类器
3.3.1 ELM领域不变隐含层学习
3.3.2 具有迁移能力的ELM输出层权重学习
3.3.3 目标函数求解
3.4算法步骤
3.5实验结果分析
3.5.1 实验数据集
3.5.2 参数分析
3.5.2 对比实验
3.6本章小结
4 联合特征表示与分类器学习的无监督领域适应ELM
4.1研究背景
4.2系统结构框图
4.3 联合特征表示与分类器学习的无监督领域适应 ELM
4.3.1 特征表示学习
4.3.2 分类器自适应学习
4.3.3 目标函数求解
4.4算法步骤
4.5实验结果分析
4.5.1 实验数据集
4.5.2 参数分析
4.5.3 对比实验
4.5.4 特征可视化
4.6本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学;
中国矿业大学(江苏);