图书介绍
知识迁移学习方法及应用PDF|Epub|txt|kindle电子书版本网盘下载
- 王雪松，潘杰，程玉虎著 著
- 出版社： 北京：科学出版社
- ISBN：9787030513953
- 出版时间：2016
- 标注页数：200页
- 文件大小：28MB
- 文件页数：211页
- 主题词：自学习－研究
PDF下载
下载说明
知识迁移学习方法及应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 知识迁移概述1
1.1 知识迁移的提出和发展2
1.1.1 知识迁移的提出2
1.1.2 知识迁移的发展3
1.2 知识迁移的概念4
1.2.1 知识迁移的基本概念4
1.2.2 知识迁移与机器学习的关系5
1.3 知识迁移的分类7
1.3.1 基于实例的迁移7
1.3.2 基于参数的迁移8
1.3.3 基于特征的迁移9
1.3.4 基于相关知识的迁移9
1.3.5 基于模型的迁移10
1.4 知识迁移的主要形式与应用11
1.4.1 分类迁移11
1.4.2 决策迁移16
1.4.3 色彩迁移20
1.4.4 优化迁移27
1.5 本书主要内容及安排30
1.6 本章小结33
参考文献33
第2章 基于局部保持投影的特征迁移40
2.1 低维特征表示41
2.2 基于LPP的多源特征迁移43
2.2.1 系统原理图43
2.2.2 迁移源筛选46
2.2.3 LPP特征迁移47
2.2.4 算法步骤49
2.3 试验结果与分析50
2.3.1 人脸特征迁移50
2.3.2 不同特征迁移方法效果对比51
2.3.3 单样本特征迁移精度分析53
2.4 本章小结55
参考文献55
第3章 加权多源TrAdaBoost算法57
3.1 TrAdaBoost算法简介57
3.2 加权多源TrAdaBoost算法58
3.2.1 基本符号59
3.2.2 TrAdaBoost算法流程59
3.3 理论分析61
3.3.1 源领域训练集样本损失值分析61
3.3.2 目标领域训练集测试误差分析64
3.3.3 时间复杂度分析65
3.4 试验及其结果对比66
3.4.1 双月型数据集试验66
3.4.2 文本分类试验70
3.5 本章小结72
参考文献72
第4章 多源Tri-Training知识迁移73
4.1 半监督学习简介73
4.2 多源Tri-Training知识迁移74
4.2.1 Tri-Training算法74
4.2.2 多源Tri-Training知识迁移75
4.2.3 算法结构75
4.2.4 算法流程75
4.3 试验结果与对比76
4.4 本章小结80
参考文献81
第5章 基于样本分布信息的跨领域知识迁移82
5.1 领域适应学习82
5.2 基于样本局部判别权重的加权迁移成分分析83
5.2.1 问题描述83
5.2.2 迁移成分分析84
5.2.3 局部判别权重84
5.2.4 加权迁移86
5.3 基于样本分布信息的最大分布加权均值差异89
5.4 基于MDWMD的领域适应学习91
5.4.1 联合分布调整91
5.4.2 投影矩阵92
5.4.3 目标函数93
5.4.4 算法步骤93
5.5 试验结果与对比94
5.5.1 试验数据集94
5.5.2 试验结果及分析95
5.6 本章小结98
参考文献99
第6章 基于相似度衡量的决策树迁移100
6.1 研究动机100
6.2 决策迁移数学描述101
6.2.1 领域与任务101
6.2.2 决策迁移102
6.3 多源决策树相似度衡量与误差分析103
6.4 算法流程与仿真研究107
6.4.1 算法流程107
6.4.2 精度与复杂度分析107
6.4.3 ROC特性分析109
6.4.4 文本分类研究111
6.5 本章小结112
参考文献113
第7章 基于极限学习机的多源强化知识迁移114
7.1 强化迁移机制114
7.2 基于ELM的Q学习115
7.3 基于ELM的多源迁移Q学习117
7.3.1 系统原理图117
7.3.2 任务空间与样本空间迁移119
7.4 算法步骤与仿真分析121
7.4.1 算法步骤121
7.4.2 仿真分析121
7.5 本章小结126
参考文献127
第8章 基于主动轮廓探索的多源色彩迁移128
8.1 色彩迁移128
8.2 系统结构129
8.3 基于主动轮廓探索的多源色彩迁移131
8.4 试验结果与分析133
8.4.1 试验设定133
8.4.2 多源迁移效果影响因素分析134
8.4.3 与局部迁移算法的对比137
8.5 本章小结139
参考文献139
第9章 基于纹理相似性的多源局部色彩迁移算法141
9.1 局部色彩迁移141
9.2 多源局部色彩迁移算法142
9.2.1 爬山分割算法143
9.2.2 灰度共生矩阵143
9.2.3 多源局部色彩迁移算法145
9.2.4 算法流程146
9.3 试验结果与对比147
9.3.1 单源局部迁移147
9.3.2 多源局部迁移149
9.3.3 灰度图色彩迁移151
9.4 本章小结153
参考文献153
第10章 基于图构建的多源参数迁移155
10.1 参数迁移155
10.2 ACO参数邻接迁移矩阵156
10.2.1 ACO参数分析156
10.2.2 邻接迁移矩阵157
10.3 基于扩展模型图的多源参数迁移158
10.4 目标任务的参数优化159
10.5 仿真研究与分析160
10.5.1 环境设定160
10.5.2 迁移性能分析160
10.6 本章小结164
参考文献164
第11章 基于样本空间筛选的优化迁移166
11.1 Ant-Q优化迁移166
11.2 多源迁移Ant-Q算法167
11.3 基于先验概率的样本空间筛选169
11.4 TSP仿真研究171
11.4.1 单源迁移TSP问题171
11.4.2 多源迁移TSP问题175
11.5 本章小结176
参考文献176
附录 部分知识迁移学习算法MATLAB源程序178
程序1 第2章基于局部保持投影的特征迁移MATLAB源程序178
程序2 第6章基于相似度衡量的决策树迁移部分MATLAB源程序184
程序3 第8章基于主动轮廓探索的色彩迁移部分MATLAB源程序192
索引199