基于特征的对抗迁移学习论文_基于样本和特征的迁移学习方法及应用

本文深入探讨了基于特征的对抗迁移学习的研究现状,包括理论、方法、应用和现存问题。主要工作集中在利用图模型和子空间方法进行迁移学习,通过特征选择策略和算法设计提升学习效果。实验部分展示了数据预处理和结果分析,为未来研究提供了方向。
摘要由CSDN通过智能技术生成

国内外研究现状

.......................................................................................

18

1.2.1

理论层次

........................................................................................

18

1.2.2

方法层次

........................................................................................

21

1.2.3

应用层次

........................................................................................

26

1.2.4

存在的问题及主要研究方向

........................................................

26

1.3

论文的主要工作和主要贡献

...................................................................

27

1.3.1

论文的主要工作

............................................................................

27

1.3.2

论文的主要贡献

............................................................................

29

第二章

基于图模型的迁移学习方法

....................................................................

31

2.1

引言

...........................................................................................................

31

2.2

建立数学模型

...........................................................................................

32

2.2.1

符号及问题形式化

........................................................................

32

2.2.2

域共有特征选择策略

....................................................................

33

2.2.3

三部图的构造

................................................................................

34

2.3

算法及分析

...............................................................................................

35

2.4

实验结果及分析

.......................................................................................

36

2.4.1

实验数据预处理

............................................................................

36

2.4.2

结果分析

........................................................................................

37

2.5

本章小结

...................................................................................................

39

第三章

基于子空间的迁移学习方法

....................................................................

41

3.1

基于稀疏正则的特征选择方法

...............................................................

41

3.1.1

非监督最大间隔特征选择模型

....................................................

42

3.1.2

算法及分析

....................................................................................

44

I

万方数据

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值