基于知识表达的迁移学习方法及其应用

　　《基于知识表达的迁移学习方法及其应用》从知识的表达方式人手，对知识表达与迁移方法的结合方式展开研究，主要围绕基于样本实例、特征映射、参数模型和关联规则的知识表达方式阐述迁移学习的方法及其应用。全书共6章，主要内容包括：迁移学习的概述、基于多源动态TrAdaBoost的实例迁移学习方法、基于协方差矩阵的特征迁移学习方法、基于层次贝叶斯的参数迁移学习方法和基于马尔可夫逻辑网的关联规则迁移学习方法。

暂缺《基于知识表达的迁移学习方法及其应用》作者简介

1 绪论
1．1 研究目标
1．2 研究内容
1．3 研究方案
1．4 研究成果及意义
1．5 主要内容及安排
1．6 本章小结
2 迁移学习综述
2．1 研究背景
2．2 迁移的内容
2．3 迁移学习的研究成果
2．4 迁移学习的应用
2．5 迁移学习的常用资源
2．6 本章小结
3 基于多源动态TrAdaBoost的实例迁移学习
3．1 研究背景
3．2 理论基础
3．3 基于多源动态TrAdaBoost的实例迁移学习
3．4 实验与分析
3．5 本章小结
4 基于协方差矩阵的特征迁移学习
4．1 研究背景
4．2 协方差矩阵
4．3 基于协方差矩阵的特征迁移学习
4．4 实验与分析
4．5 本章小结
5 基于层次贝叶斯的参数迁移学习
5．1 研究背景
5．2 层次贝叶斯
5．3 基于层次贝叶斯的参数迁移学习
5．4 实验与分析
5．5 本章小结
6 基于马尔可夫逻辑网的关联规则迁移学习
6．1 研究背景
6．2 马尔可夫逻辑网
6．3 基于马尔可夫逻辑网的关联规则迁移学习
6．4 实验与分析
6．5 本章小结
参考文献