本书围绕文本分类、人脸识别、辅助决策、色彩调和、参数映射与路径寻优等一系列机器学习与计算机视觉领域实际问题,分别从分类迁移、决策迁移、色彩迁移与优化迁移等4个不同角度阐述知识迁移原理、方法与应用,共4部分11章。第一部分为针对人脸识别与领域适应等分类问题的单源迁移与多源集成迁移,包括:基于局部保持投影的特征迁移、加权多源TrAdaBoost算法、多源Tri-Training知识迁移与基于样本局部判别权重的加权迁移。第二部分围绕决策树与强化学习等策略问题的决策迁移展开,包括:基于相似度衡量的决策树迁移与基于极限学习机的多源强化知识迁移。第三部分涉及计算机视觉领域的局部色彩迁移问题,包括:基于主动轮廓探索的色彩迁移与基于纹理相似性的多源局部色彩迁移。最后一部分则是针对路径规划问题中的参数迁移与样本优化迁移。本书