1. 研究目的与意义（文献综述）

1.1 课题来源

本课题结合国家自然科学基金项目“基于迁移学习的地理领域知识图谱构建技术”（项目号：61702386），联系实际提出本课题。

1.2 研究背景、目的及意义

2. 研究的基本内容与方案

2.1 研究内容

(1)迁移学习指将先前任务中的知识和技巧 (即源域) 到新的任务或领域 (即目标域) 中。本质上是使用预先训练的网络来尝试解决大数据集的需求。通过自适应的源分类器迁移学习，计算机辅助诊断能够在近似分布的数据集（即目标域）取得良好的分类效果。

(2)集成学习是组合多个弱监督模型以期得到一个更好更全面的强监督模型。并且集成学习在各个规模的数据集上都有很好的策略。数据集大：划分成多个小数据集，学习多个模型进行组合；数据集小：利用 bootstrap 方法进行抽样，得到多个数据集，分别训练多个模型再进行组合。传统集成学习受限于训练与测试数据同域同分布的约束条件，通过引入迁移学习的思想，可以将传统集成学习方法推广，使之具有迁移学习模式分类的能力。

3. 研究计划与安排

(1)2018/1/14—2018/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2018/3/1—2018/4/30：系统架构、程序设计与开发、系统测试与完善；
(3)2018/5/1—2018/5/25：撰写及修改毕业论文；
(4)2018/5/26—2018/6/6：准备答辩。

4. 参考文献（12篇以上）

[1] canziani a, paszke a, culurciello e. an analysis of deep neural networkmodels for practical applications[j]. arxiv preprint arxiv:1605.07678, 2016.

[2] wang x, peng y, lu l, et al. chestx-ray8: hospital-scale chest x-raydatabase and benchmarks on weakly-supervised classification and localization ofcommon thorax diseases[c] //anon. 2017 ieee conference on computer vision andpattern recognition (cvpr). 2017: 3462–3471.