层次 K-均值聚类结合改进 ITML 的迁移度量学习方法.PDFVIP

下载本文档

2
0
约3.8万字
约 7页
2017-10-30 发布于天津
举报
版权申诉

层次 K-均值聚类结合改进 ITML 的迁移度量学习方法.PDF

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

层次均值聚类结合改进的迁移度量学习方法作者蒋林利吴建生机构广西科技师范学院数学与计算机科学学院武汉大学软件工程国家重点实验室武汉理工大学信息工程学院发表期刊计算机应用研究预排期卷年第卷第期访问地址发布日期引用格式蒋林利吴建生层次均值聚类结合改进的迁移度量学习方法摘要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均值聚类获取相似性然后利用信任评估框

层次K-均值聚类结合改进ITML 的迁移度量学习方法作者蒋林利, 吴建生机构广西科技师范学院数学与计算机科学学院；武汉大学软件工程国家重点实验室；武汉理工大学信息工程学院发表期刊《计算机应用研究》预排期卷 2017 年第34 卷第12 期访问地址 /article/02-2017-12-064.html 发布日期 2017-03-13 16:43:45 引用格式蒋林利, 吴建生. 层次K-均值聚类结合改进ITML 的迁移度量学习方法