

已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、 單位代碼: 10293 密 級: 公開 專 業(yè) 學 位 碩 士 論 文 論文題目:基于樣本加權的多示例多標記遷移學習方法研究 1214012413 鄭茂 吳建盛 工程碩士 申請 全 日 制 申請 電子與通信工程 2017 年 3
2、月 學 號 姓 名 導 師 專業(yè)學位類別 類 型 專業(yè)(領域) 論文提交日期 南京郵電大學學位論文原創(chuàng)性聲明 本人聲明所呈交的學位論文是我個人在導師指導下進行的研究工作及取得的研究成果。盡我所知,除了文中特別加以標注和致謝的地方外,論文中不包含其他人已經發(fā)表或撰寫過的研究成果,也不包含為獲得南京郵電大學或其它教育機構的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意
3、。 本人學位論文及涉及相關資料若有不實,愿意承擔一切相關的法律責任。 南京郵電大學學位論文使用授權聲明 本人授權南京郵電大學可以保留并向國家有關部門或機構送交論文的復印件和電子文檔;允許論文被查閱和借閱;可以將學位論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索;可以采用影印、縮印或掃描等復制手段保存、匯編本學位論文。本文電子文檔的內容和紙質論文的內容相一致。論文的公布(包括刊登)授權南京郵電大學研究生院辦理。 涉密學位論文在解密后適用本授權
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多示例多標記哈希學習方法研究.pdf
- 基于SVDD的多示例學習方法的研究.pdf
- 基于特征學習的多示例多標記學習研究.pdf
- 基于多示例多標記學習的圖像語義標注方法的研究.pdf
- 基于示例加權支持向量機的多示例學習算法研究.pdf
- 基于多示例多標記學習的自然場景圖像分類.pdf
- 基于單源及多源的遷移學習方法研究.pdf
- 基于特征加權的在線多示例學習跟蹤算法.pdf
- 基于新型多標記集成學習方法的文本分類研究.pdf
- 基于正示例與多示例多標記的圖像檢索.pdf
- 基于樣本差異的多標簽遷移學習.pdf
- 基于樣本和特征的遷移學習方法及應用.pdf
- 基于多示例學習的圖像分析方法研究.pdf
- 基于多示例學習的圖像檢索方法研究.pdf
- 基于主動學習的多示例多標簽學習算法研究.pdf
- 基于K近鄰的多標簽學習方法研究.pdf
- 多視圖特征學習方法研究.pdf
- 基于空間信息和遷移學習的圖像多標記算法研究
- 基于空間信息和遷移學習的圖像多標記算法研究.pdf
- 基于多信息融合的流形學習方法研究.pdf
評論
0/150
提交評論