基于迁移学习的非平衡数据分类方法与应用

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景及意义

1.2.1 迁移学习

1.2.2 非平衡数据分类

1.3 论文研究内容

1.4 论文组织结构

1.5 本章小结

2 相关研究

2.1 极限学习机算法

2.2 迁移学习算法

2.3 不平衡数据分类的评价指标

2.4 本章小结

3 基于参数迁移的非平衡分类算法

3.1 基本思想

3.2 问题定义

3.3 基于参数迁移的非平衡分类算法描述

3.3.1 算法机制

3.3.2 算法描述

3.4.1 数据集

3.4.2 算法对比与分析

3.4.3 基于参数迁移的非平衡分类算法性能分析

3.5 算法在微震检测中的应用

3.5.1 微震检测的背景与意义

3.5.3 实验与分析

3.6 本章小结

4 基于实例迁移的非平衡分类算法

4.1 基本思想

4.2 问题定义

4.3 基于实例迁移的非平衡分类算法描述

4.3.1 权重更新方法

4.3.2 算法描述

4.4.1 参数设置

4.4.2 目标域有标签数据对分类性能的影响

4.4.3 分类算法性能

4.5 算法在微震检测中的应用

4.6 本章小结

5 基于特征迁移的非平衡分类算法

5.1 基本思想

5.2 问题定义

5.3 基于特征迁移的非平衡分类算法描述

5.4.1 关键参数对算法性能的影响

5.4.2 与其它算法对比与分析

5.4.3 目标域有标记数据对分类性能的影响

5.4.4 非平衡率对算法分类性能影响

5.5 算法在微震检测中的应用

5.6 本章小结

6 总结与展望

6.1 总结

6.2 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