咨询与建议

限定检索结果

文献类型

  • 1 篇 期刊文献

馆藏范围

  • 1 篇 电子文献
  • 0 种 纸本馆藏

日期分布

学科分类号

  • 1 篇 工学
    • 1 篇 控制科学与工程
    • 1 篇 计算机科学与技术...
    • 1 篇 软件工程
  • 1 篇 管理学
    • 1 篇 管理科学与工程(可...

主题

  • 1 篇 去相关归一化空间
  • 1 篇 信任评估框架
  • 1 篇 层次k-均值聚类
  • 1 篇 信息理论度量学习
  • 1 篇 相似性空间
  • 1 篇 迁移度量学习

机构

  • 1 篇 武汉理工大学
  • 1 篇 广西科技师范学院
  • 1 篇 武汉大学

作者

  • 1 篇 蒋林利
  • 1 篇 吴建生

语言

  • 1 篇 中文
检索条件"主题词=信任评估框架"
1 条 记 录,以下是1-10 订阅
排序:
层次K-均值聚类结合改进ITML的迁移度量学习方法
收藏 引用
计算机应用研究 2017年 第12期34卷 3552-3555,3572页
作者: 蒋林利 吴建生 广西科技师范学院数学与计算机科学学院 广西来宾546199 武汉大学软件工程国家重点实验室 武汉430072 武汉理工大学信息工程学院 武汉430070
目前的迁移学习方法多针对单一迁移类型,使用低级特征空间,并且源集比目标集复杂耗力。针对这些问题,综合考虑特征表示迁移、参数迁移和实例迁移,提出迁移度量学习的通用框架。首先,基于属性相似性空间和类别相似性空间,利用层次K-均值... 详细信息
来源: 评论