声明
致谢
摘要
第一章绪论
1.1研究背景
1.2问题描述
1.3本文的主要工作和创新点
1.4本文组织结构
1.5本章小节
第二章跨领域学习综述
2.1引言
2.2跨领域学习分类
2.3传统的跨领域分类方法
2.3.1基于实例的跨领域分类方法
2.3.2基于特征表示的跨领域分类方法
2.3.3基于参数的跨领域分类方法
2.3.4基于相关知识的跨领域分类方法
2.4基于深度学习的跨领域分类方法
2.4.1基于自动编码器的跨领域文本分类
2.4.2基于卷积神经网络的跨领域分类方法
2.4.3基于循环神经网络的跨领域分类方法
2.4.4基于对抗网络的跨领域分类方法
2.5本章小节
第三章基于自适应噪音边缘降噪自动编码器的领域适应方法研究
3.1引言
3.2 mSDA-AP算法描述
3.2.1问题定义
3.2.2基于自适应噪音的边缘降噪自动编码器模型
3.3实验与分析
3.3.1实验数据集
3.3.2基准算法和参数设置
3.3.3实验结果与分析
3.3.4自适应噪音系数有效性分析
3.3.5参数敏感性讨论
3.3.6领域间迁移距离的分析
3.4本章小结
第四章基于L2,1范数堆叠自动编码器的领域适应方法研究
4.1引言
4.2.1基于L2,1范数堆叠自动编码器模型
4.2.2 SRAAR算法的求解
4.2.3 SRAA算法收敛性分析
4.3实验与分析
4.3.1实验数据集
4.3.2基准算法和参数设定
4.3.3实验结果与分析
4.3.4参数敏感性讨论
4.3.5流行正则化有效性分析
4.3.6领域间迁移距离的分析
4.4本章小结
第五章总结与展望
5.1本文总结
5.2未来展望
参考文献
攻读硕士学位期间的学术活动及成果情况
合肥工业大学;