版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、獨創(chuàng)性聲明本人提交的學(xué)位論文是在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。論文中引用他人已經(jīng)發(fā)表或出版過的研究成果,文中已加了特別標(biāo)注。對本研究及學(xué)位論文撰寫曾做出貢獻的老師、朋友、同仁在文中作了明確說明并表示衷心感謝。學(xué)位論文作者:孝鏟移簽字日期:a夠年』月涉日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解西南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定,有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤,允許論文被查閱和借閱。本人授權(quán)西南大學(xué)研
2、究生院(籌)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書,本論文:口不保密,口保密期限至年月止)。學(xué)位論文作者張彰舒永鋤鮐介一簽字日期:≥9f夕年』月矽日簽字日期:砂籮年f月拍日322問題分析及改進思路1833訓(xùn)練集優(yōu)化及動態(tài)重構(gòu)的遷移學(xué)習(xí)方法一19331問題定義19332訓(xùn)練集優(yōu)化19333動態(tài)重構(gòu)20334算法思想及流程203。5實驗
3、21351實驗準(zhǔn)備21352實驗設(shè)計2335_3評價指標(biāo)2436實驗結(jié)果及分析24361遷移學(xué)習(xí)的有效性24362與TrAdaBoost方法對比2537本章小結(jié)一27第4章基于領(lǐng)域語義相關(guān)性挖掘的遷移學(xué)習(xí)方法2941概率潛在語義分析一29411PLSA模型假設(shè)29412模型參數(shù)估計3042TPLSA遷移學(xué)習(xí)方法研究314。21問題定義31422TPLSA模型31423TPLSA算法流程一3343TPLSA—Imp算法34431問題分析及
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于半監(jiān)督的SVM遷移學(xué)習(xí)文本分類方法.pdf
- 基于改進TANC的機器學(xué)習(xí)文本分類方法研究.pdf
- 基于TrAdaBoost的直推式遷移學(xué)習(xí)文本分類技術(shù)改進研究.pdf
- 基于流形學(xué)習(xí)的文本分類方法研究.pdf
- 文本分類的特征選擇和分類方法研究.pdf
- 基于半監(jiān)督與集成學(xué)習(xí)的文本分類方法研究.pdf
- 文本分類特征選擇方法研究.pdf
- 基于語句特征提取的文本分類方法研究.pdf
- 面向文本分類的文本特征學(xué)習(xí)技術(shù)研究.pdf
- 遷移學(xué)習(xí)在文本分類中的應(yīng)用研究.pdf
- 基于機器學(xué)習(xí)的中文文本分類方法研究
- 遷移與集成學(xué)習(xí)在文本分類中的應(yīng)用研究.pdf
- 通過標(biāo)記樣本與未標(biāo)記樣本學(xué)習(xí)文本分類規(guī)則.pdf
- 文本分類中特征選擇方法研究.pdf
- 基于機器學(xué)習(xí)的中文文本分類方法研究.pdf
- 基于RLS-MARS特征選擇的文本分類方法研究.pdf
- 基于深度學(xué)習(xí)的文本分類研究.pdf
- 基于機器學(xué)習(xí)的漢語短文本分類方法研究與實現(xiàn).pdf
- 基于特征權(quán)重算法的文本分類研究.pdf
- 基于機器學(xué)習(xí)的文本分類研究.pdf
評論
0/150
提交評論