1 绪论
1.1 课题的背景及研究意义
1.2 国内外研究与发展状况
1.2.1 非深度域适应
1.2.2 深度域适应
1.3 领域自适应度量准则
1.3.1 领域自适应表示
1.3.2 度量准则
1.4 课题研究内容和章节安排
1.4.1 主要研究内容
1.4.2 章节安排
1.5 本章小结
2 领域自适应基本方法
2.1 数据分布自适应
2.1.1 边缘分布自适应
2.1.2 条件分布自适应
2.1.3 联合分布自适应
2.2 子空间学习
2.2.1 统计特征对齐
2.2.2 流形学习
2.3 本章小结
3 基于深度网络的无监督域自适应
3.1 卷积神经网络
3.2 正则化
3.2.1 一般正则项
3.2.2 L2正则项
3.3 训练基于卷积神经网络的域不变表示
3.4 实验及评估
3.4.1 实验数据集
3.4.2 适应层尺寸评估
3.4.3 实验过程及结果
3.4 本章小结
4 基于鉴别模型和对抗损失的无监督域适应方法
4.1 生成对抗网络
4.1.1 生成对抗网络架构
4.1.2 GAN的算法过程
4.1.3 GAN的理论实现
4.2 对抗鉴别的无监督域自适应
4.2.1对抗性损失
4.2.2 对抗性无监督域适应
4.2.3 辅助分类任务
4.2.4 算法流程
4.3 实验过程及结果
4.3.1 MNIST, MNIST-M, SVHN数字数据集适应
4.3.2 遥感影像数据集适应
4.4本章小结
5 基于决策边界的对抗无监督域自适应
5.1 决策边界
5.2 交叉熵损失函数和批归一化
5.2.1 Softmax函数
5.2.2交叉熵损失函数
5.2.3 批归一化
5.3 特定于任务的决策边界
5.4 基于决策边界的对抗无监督域自适应方法
5.4.1 基于决策边界的对抗无监督域适应思路
5.4.2 训练步骤
5.5 实验过程及结果
5.6 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间发表学术论文目录
青岛科技大学;