声明
摘要
第一章 绪论
1.1 序言
1.2 研究背景与意义
1.3 本文研究内容与创新点
第二章 迁移学习方法综述
2.1 问题描述
2.2 迁移学习分类
2.3 同构迁移学习简介
2.3.1 基于实例的迁移学习方法
2.3.2 基于特征的迁移学习方法
2.3.3 基于参数的迁移学习方法
2.3.4 基于结构关系的迁移学习方法
2.4 异构迁移学习简介
2.5 迁移学习相关理论研究
第三章 基于特征联合概率分布和实例的迁移学习算法
3.1 引言
3.2 问题定义和符号说明
3.3 相关技术简介
3.3.1 主成分分析
3.3.2 最大均值差异
3.4 问题建模
3.4.1 跨域共享子空间学习
3.4.2 联合匹配数据边缘概率分布和条件概率分布
3.4.3 实例正则化
3.5 目标函数公式的优化
3.6 算法描述
3.7 实验及结果分析
3.7.1 数据集与评价指标
3.7.2 实验设置
3.7.3 结果分析
3.7.4 参数分析
3.8 本章小结
第四章 基于流形学习的一种直推式迁移学习方法
4.1 引言
4.2 问题建模
4.2.1 特征映射
4.2.2 流形学习
4.2.3 加权的联合概率分布
4.3 目标函数公式的优化
4.4 算法复杂度
4.5 实验与结果分析
4.5.1 数据集与评价指标
4.5.2 实验对比算法
4.5.3 实验结果分析
4.5.4 加入流形学习的影响
4.5.5 算法参数分析
4.6 本章小结
第五章 总结与展望
5.1 总结
5.2 未来展望
参考文献
附录
致谢
攻读硕士学位期间发表的论文