基于最大均值差异迁移学习的驾驶模式识别

目录

声明

第1章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.2.1 迁移学习的研究现状

1.2.2 驾驶模式识别的研究现状

1.2.3 存在问题

1.3 研究内容与论文结构

1.3.1 研究内容

1.3.2 论文结构

第2章 相关工作概述及基础知识

2.1 相关工作

2.1.1 迁移学习问题定义

2.1.2 最大均值差异

2.2 基础知识

2.2.1 用于领域适应的核学习

2.2.2 多数投票法

2.3 本章小结

第3章 基于类内紧致性的驾驶模式识别算法

3.1 引言

3.2 模型整体框架介绍

3.2.1 特征转换过程

3.2.2 类内最大均值差异

3.2.3 平滑正则化项

3.2.4 多数投票分类器

3.2.5 迭代优化伪标签

3.3 算法求解过程

3.4 实验与分析

3.4.1 数据描述

3.4.2 对比方法

3.4.3 实验结果

3.4.4 类内迁移的效果

3.4.5 参数敏感性分析

3.4.6 时间复杂度分析

3.5 本章小结

第4章 基于类内紧致性和类间可分离性的驾驶模式识别算法

4.1 引言

4.2 模型整体框架介绍

4.2.1 特征转换过程

4.2.2 类内最大均值差异

4.2.3 类间最大均值差异

4.2.4 平滑正则化项

4.3 算法求解过程

4.4 实验与分析

4.4.1 实验结果

4.4.2 类内迁移的效果

4.4.3 类间迁移的效果

4.4.4 参数敏感性分析

4.4.5 算法收敛性分析

4.4.6 多数投票方法的有效性

4.4.7 时间复杂度分析

4.5 本章小结

第5章 结语

5.1 总结

5.2 展望

参考文献

发表论文和参加科研情况说明

致谢