摘要
第1章绪论
1.1课题背景
1.2研究的目的和意义
1.3相关方法概述
1.3.1字典学习方法
1.3.2线性回归
1.3.3线性鉴别分析
1.4实验数据集介绍
1.5本文的主要研究内容
1.6本文结构安排
2.1引言
2.2相关工作介绍
2.2.1LDA和MMC
2.2.2迁移学习
2.3可迁移的线性鉴别分析
2.3.1问题描述
2.3.2TLDA的目标函数
2.3.3优化算法
2.4实验及其分析
2.4.1实验设置
2.4.2数据集介绍
2.4.3数据设置
2.4.4参数设置
2.4.5实验结果
2.4.6算法收敛性和参数敏感性分析
2.4.7成分分析
2.5结论
第3章基于投影双重构的字典学习算法
3.1引言
3.2相关工作
3.3 PDR
3.4算法分析
3.4.1计算复杂度分析
3.4.2收敛分析
3.4.3与相关方法的异同
3.4.4分类方法
3.5实验与分析
3.5.1实验设置
3.5.2实验结果分析
3.5.3讨论
3.5.4参数敏感性
3.5.5t-SNE可视化分析
3.6结论
第4章基于动态双分类器逼近的交叉领域识别方法
4.1引言
4.2相关工作
4.3动态双分类器逼近
4.4实验与分析
4.4.1实验设置
4.4.2在合成数据集上的实验
4.4.3在真实数据集上的实验结果
4.4.4讨论
4.4.5参数敏感性
4.4.6结论
第5章基于潜在弹性网的交叉领域识别方法
5.1引言
5.2相关工作介绍
5.3潜在弹性网迁移学习
5.3.1问题描述和目标函数
5.3.2优化算法
5.4算法分析
5.4.1计算复杂度分析
5.4.2收敛性分析
5.4.3分类方法
5.5实验结果及分析
5.5.3实验设置
5.5.4参数设置
5.5.5实验结果分析
5.5.6成分分析
5.5.7参数敏感性分析
5.6本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
声明
致谢
广东工业大学;