基于流形子空间学习的领域自适应方法研究

目录

声明

摘要

1．1研究的背景

1．2研究的意义

1．3研究的现状

1．4内容安排

2．1领域自适应

2．1．1迁移成分分析

2．1．2联合分布自适应

2．2特征提权算法

2．2．1线性判别分析

2．2．2局部保留投影

2．3常用数据集

2．3．1MNIST数据集

2．3．2USPS数据集

2．3．3Office+Caltech数据集

2．4本章小结

第3章基于半监督判别分析和CDMD的领域自适应方法

3．1引言

3．2半监督判别分析

3．3跨域均值差异

3．4SDA-CDMD算法模型

3．4．1目标函数

3．4．2算法流程

3．5实验结果与分析

3．5．1数据集描述

3．5．2参数设置

3．5．3收敛性分析

3．5．4方法比较

3．5．5CDMD距离分析

3．6本章小结

第4章基于有监督局部保留投影和MMD的领域自适应方法

4．1引言

4．2算法描述

4．2．1最大均值差异

4．2．2有监督局部保留投影

4．2．3SLPP-MMD算法的目标函数

4．2．4伪标签选择方案及迭代策略

4．2．5算法流程

4．3实验结果与分析

4．3．1参数设置

4．3．2收敛性分析

4．3．3方法比较

4．4本章小结

第5章结论与展望

5．1本文的主要工作

5．2进一步的工作展望

致谢

参考文献

附录