零样本图像分类已成为机器学习领域的研究热点,主要用于解决标记训练样本不足以涵盖所有对象类的情况下,如何对未知新模式进行正确分类的问题。利用训练样本学习到的分类器对新出现的对象类进行分类识别是非常困难的学习任务。本书针对上述问题从属性入手,分别围绕基于深度学习及知识挖掘、多源域属性自适应、属性扩展和相对属性4个方面进行展开,共13章。其中,第3章~第6章为基于深度学习及知识挖掘的零样本图像分类;第7章~第8章为基于属性自适应的零样本图像分类;第9章~第11章为基于属性扩展的零样本图像分类;第12章~第13章为基于相对属性的零样本图像分类。本书可供理工科高等院校模式识别、数据挖掘及相关专业的教师与研究生阅读,也可供自然科学和工程领域中的研究人员参考。
展开