声明
1 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 单源域深度迁移学习
1.2.2 多源域深度迁移学习
1.3 主要研究内容
1.4 论文组织结构
2 多源域自适应中领域分布的相似度分析
2.1 迁移学习
2.2 深度学习
2.3 深度迁移学习
2.4 最大均值差异MMD度量及应用网络
2.5 Wasserstein度量及应用网络
2.6 领域分布的相似度分析
2.7 本章小结
3 基于分布差异度量的多源域非均衡深度迁移学习
3.1 共享特征提取部分
3.2 分类部分
3.3 域自适部分
3.3.1 基于Wasserstein度量
3.3.2 基于最大均值差异MMD度量
3.4 多源非均衡域自适应调节机制部分
3.5 实验结果及分析
3.5.1 数据集介绍
3.5.2 多源非均衡域自适应调节机制验证分析
3.5.3 多源非均衡域自适应实验结果对比分析
3.6本章小结
4 多源域深度迁移学习中的样本优化
4.1 负迁移概念
4.2 基于相互关系对齐CORAL的负迁移样本度量
4.3 基于CORAL度量的多源域深度迁移学习样本优化
4.3.1 模型的预训练
4.3.2 样本优化算法
4.4 样本优化实验结果对比分析
4.4.1 数据集
4.4.2 实验结果对比分析
4.5 本章小结
5 总结与展望
5.1 工作总结
5.2 研究展望
致谢
参考文献
攻读硕士学位期间主要研究成果
西安理工大学;