{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,3]]，“日期-时间”：“2024-06-03T11:16:24Z”，“时间戳”：1717413384554}，“参考-计数”：41，“出版商”：“Springer Science and Business Media LLC”，“问题”：“11”，“许可证”：[{“开始”：{-“日期-零件”：[2020,10,22]]，”日期-时间“：”2020-10-22T00:00:00Z“，“时间戳”：1603324800000｝，“内容版本”：“tdm”，“延迟天数”：0，“URL”：“https:\/\/wspringer.com\/tdm”｝，｛“开始”：｛“日期部分”：[[2020,10,22]]，“日期-时间”：“2020-10-22T00:00:00Z”，“时间戳”：1603324800000｝，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https:\/\/wspringer.com\/tdm”｝]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[“Sci.China Inf.Sci.”]，“已发表的印刷品”：｛“日期部分”：[[2020,11]]｝，“DOI”：“10.1007\\s11432-02-080-3”，“类型”：“期刊文章”，“已创建”：｛“日期部分”：[[2020,10,30]]，“日期时间”：“2020-10-30T06:02:41Z”，“时间戳”：1604037761000｝，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：35，“title”：[“基于域适应的增强多源信息的证据组合”]，“prefix”：“10.1007”，《volume》：“63”，“author”：[{“given”：，“family”：“Liu”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Quan”，“failment”：“Pan”，“serquence”:“additionable”，“abfiliation“：[]{”，{”given“：“Jean”，“家族”：“Dezert”，“序列”：“附加”，“从属关系”：[]}，“member”：“297”，“published-on-line”：{“date-parts”：[2020,10,22]]}0_CR1“，”doi-asserted-by“：”crossref“，“首页”：“1345”，“DOI”：“10.1109\/TKDE.2009.191”，“volume”：“22”，“author”：“S J Pan”，“year”：“2010”，“unstructured”：“Pan S J，Yang Q.迁移学习调查。IEEE Trans Knowl Data Eng，2010，22:1345\u20131359”，“journal-title”：“IEEE Trans-Knowl-Data Eng”}，{“key”：”3080_CR2“DOI-asserted-by”：“crossref”，”第一页“：”193“，“DOI:”10.10 145\/1273496.1273521“，“volume-title”：“机器学习国际会议论文集”，“author”：“W Dai”，“year”：“2007”，“unstructured”：“Dai W，Yang Q，Xue G-R，et al.Boosting for the transfer Learning。In:Proceedings of the International Conference on Machine Learning，2007。193\u2013200“}，{”key“：”3080_CR3“，”doi-asserted-by“：”crossref“，”first page“：“199”，”doi“：”10.1109\/TNN.2010/2091281“，”volume“:”22“，”author“：”S J Pan“，“year”：“2011”，“unstructured”：“Pan S J，Tsang I W，Kwok J T，et al.通过传输组件分析进行域自适应。IEEE Trans Neural Netw，2011，22:199\u2013210“，”journal-title“：”IEEE Trans Neural Netw“}，{“key”：“3080_CR4”，“volume-title”：“IEEE计算机视觉国际会议论文集”，“author”：“M Long”，“year”：“2013”，“unstructured”：“Long M，Wang J，Ding G，et al.带联合分布自适应的传递特征学习。In:IEEE国际计算机视觉会议论文集，2013。2200-2207“｝，｛“键”：“3080_CR5”，“第一页”：“2960”，“卷标题”：“IEEE国际计算机视觉会议论文集”，“作者”：“B Fernando”，“年份”：“2014”，“非结构化”：“Fernando B，Habrard A，Sebban M等人。使用子空间对齐的无监督视觉域自适应。摘自：2014年IEEE计算机视觉国际会议论文集。2960\u20132967“}，{”key“：”3080_CR6“，”first page“：“2066”，”volume-title“：”IEEE Conferences on Computer Vision and Pattern Recognition“，”author“：”B Gong“，”year“：”2012“，”unstructured“：”Gong B，Shi Y，Sha F，et al。无监督域自适应的测地流核。摘自：IEEE计算机视觉和模式识别会议记录，2012年。2066\u20132073“}，{“key”：“3080_CR7”，“first-page:”1129“，“volume-title”：“IEEE国际数据挖掘会议论文集”，“author”：“J Wang”，“year”：“2017”，“unstructured”：“Wang J，Chen Y，Hao S，et al.迁移学习的均衡分布自适应。In:IEEE国际会议论文集，2017。1129\u20131134“}，{”key“：”3080_CR8“，”doi-asserted-by“：”crossref“，”first page“：“1180”，”doi“：”10.1109\/TNNLS.2018.2863240“，”volume“：：”30“，”author“：”W Y Deng“，”year“：”2019“，”unstructured“：”Deng W Y，Lendasse A，Ong Y S，et al.通过显式特征图上的特征选择进行领域自适应。IEEE Trans Neural Netw Learn Syst，2019，30:1180\u20131190“，“journal-title“：”IEEE Trans Neural Netw Learn Syst“}，{“key”：“3080_CR9”，“doi-asserted-by”：“crossref”，“first page”：”136“，“doi”：“10.1109\/TSMC.2017.2754287”，“volume”：第49卷，“author”：“L Wen”，“year”：“2019”，”非结构化“Wen L，Gao L，Li X.”。一种新的基于稀疏自动编码器的故障诊断深度转移学习方法。IEEE Trans-Syst Man Cybern Syst，2019，49:136\u2013144“，”journal-title“：”IEEE Trans-Syst Man-Cybern Systemt“}，{“key”：“3080_CR10”，“doi-asserted-by”：“crossref”，“first page”：”3071“，“doi”：“10.1109\/TPAMI.2018.286868685”，“volume”:“41”，“author”：“M Long”，“year”：“2019”，“unstructured”：“Long M，Cao Y，Cao Z，et al。深度适应网络的可转移表征学习。IEEE Trans-Pattern Ana Mach Intell，2019，41:3071\u20133085“，“journal-title”：“IEEE Trans-Pattern Anal Mach Intel}，{“key”：“3080_CR11”，“first page”：”7167“，“volume-title“：”IEEE Conferences on Computer Vision and Pattern Recognition“，“author”：“E Tzeng”，“year”：“2017”，“unstructured”：“Tzeng E，Hoffman J，Saenko K，et al。对抗性区分域适应。摘自：2017年IEEE计算机视觉和模式识别会议记录。7167\u20137176“}，{“key”：“3080_CR12”，“doi-asserted-by”：“crossref”，“首页”：“84”，“doi”：“10.1016\/j.inffus.2014.12.003”，“卷”：“24”，“作者”：“S Sun”，“年份”：“2015”，“非结构化”：“Sun S，Shi H，Wu Y.多源域适配调查。Inf Fusion，2015，24:84\u201392”，“日志标题”：“Inf Fution”}，“3080_CR13”，“首页”：“1059”，““volume-title”：“IEEE数据挖掘国际会议论文集”，“author”：“H Liu”，“year”：“2016”，“unstructured”：“Liu H，Shao M，Fu Y.结构保留多源域自适应。摘自：2016年IEEE国际数据挖掘会议记录。1059\u20131064“}，{”key“：”3080_CR14“，”doi-asserted-by“：”crossref“，”first page“：“504”，”doi“：”10.1109\/TNNLS.2011.2178556“，”volume“：‘23’，”author“：”L X Duan“，”year“：”2012“，”unstructured“：”Duan L X，Xu D，Tsang I W。多源域适应：一种依赖域的正则化方法。IEEE Trans Neural Netw Learn Syst，2012，23:504\u2013518“，“journal-title”：“IEEE Trans-Neural Netw学习系统”}，{“key”：“3080_CR15”，“doi-asserted-by”：“crossref”，“first page”：”310“，“doi”：“10.1109 \/TNNLS.2016.2618765”，“volume”:“29”，“author”：“Z Ding”，“year”：“2018”，“unstructured”：“Ding Z，Shao M，Fu Y。多源迁移学习不完整。IEEE Trans Neural Netw Learning Syst，2018，29:310\u2013323“，“journal-title”：“IEEE Trans-Neural Network Learning System”}，{“key”：“3080_CR16”，“first page”：《5989》，“volume-title》：“AAAI Conference on Artificial Intelligence”，“author”：“Y朱”，“year”：“2019”，“unstructured”：“朱Y，庄F，庄D。对齐特定于域的分布和分类器，以便从多个源进行跨域分类。摘自：2019年AAAI人工智能会议记录。5989\u20135996“}，{”key“：”3080_CR17“，”首页“：”3964“，”volume-title“：”IEEE计算机视觉与模式识别会议论文集“，”author“：”R Xu“，”year“：”2018“，”unstructured“：”Xu R，Chen Z，Zuo W，et al。深度鸡尾酒网络：多源无监督领域适应与类别转移。摘自：2018年IEEE计算机视觉和模式识别会议记录。3964\u20133973“}，{”key“：”3080_CR18“，”首页“：”8559“，”volume-title“：”学习表征国际会议论文集“，”author“：”H Zhao“，”year“：”2018“，”unstructured“：”Zhao H，Zhang S，Wu G，et al。具有对抗学习的多源域自适应。摘自：《国际学习代表大会论文集》，2018。8559\u20138570“｝，｛“key”：“3080_CR19”，“doi asserted by”：“crossref”，“首页”：“883”，“doi”：“10.1016\/j.jar.2010.05.003”，“volume”：“51”，“author”：“N j Pizzi”，“year”：“2010”，“nonstructured”：“Pizzi N j，Pedrycz W。使用模糊积分和随机特征选择聚合多个分类结果。Int J Approximate Reasoning，2010，51:883\u2013894“，“journal-title”：“Int J近似推理”}，{“key”：“3080_CR20”，“doi-asserted-by”：“crossref”，“first-page”：“42”，“doi”：“10.1515\/9780691214696”，“volume-title“：”A Mathematical Theory of Evidence“，”author“：”G Shafer“，”year“1976”，“unstructured”：“Shafer G。证据的数学理论。普林斯顿：普林斯顿大学出版社，1976年。42“}，{”key“：”3080_CR21“，”doi-asserted-by“：”crossref“，”first page“：“1217”，”doi“：”10.1109\/TFUZZ.2017.2718483“，”volume“:”26“，”author“：”Z G Liu“，”year“：”2018“，”unstructured“：”Liu Z G，Pan Q，Dezert J，et al.基于证据推理的最优权重分类器组合.IEEE Trans Fuzzy Syst，2018，26:1217\u20131230“，”journal title“：“”IEEE Trans-Fuzzy Syst“}，{“key”：“3080_CR22”，“volume-title”：“IEEE Trans-Neural Netw学习系统”，“author”：“Z G Liu”，“year”：“2020”，“unstructured”：“Liu Z G，Huang L Q，Zhou K，et al.基于证据推理的可转移分类与多源域自适应的组合.IEEE Trans Neural Netw Learn Syst，2020。doi:10.109\/TNLS.2020.2995862“｝，｛“键”：“3080_CR23”，“第一页”：“432”，“卷标题”：“斯堪的纳维亚图像分析会议记录”，“作者”：“M Kobetski”，“年份”：“2013”，“非结构化”：“Kobetski M，Sullivan J。学徒学习：通过数据集增强进行知识转移。摘自：2013年斯堪的纳维亚图像分析会议记录。432\u2013443“}，{“key”：“3080_CR24”，“首页”：“2775”，“volume-title”：“IEEE国际大数据会议论文集”，“author”：“U Aftab”，“year”：“2018”，“unstructured”：“Aftab U，Siddiqui G.利用数据仓库增强大数据：一项调查。In：IEEE国际大会论文集，2018。2775\u20132784“}，{“key”：“3080_CR25”，“doi-asserted-by”：“crossref”，“首页”：“1019”，“doi”：“10.1109\/TNNLS.2014.2330900”，“卷”：“26”，“作者”：“L Shao”，“年份”：“2015”，“非结构化”：“Shao L，Zhu F，Li X L。视觉分类的迁移学习：一项调查。IEEE Trans Neural Netw Learn Syst，2015，26:1019\u20131034”，“日志标题”：“IEEE Trans Neural Netw Learn Syst“}，{“key”：“3080_CR26”，“doi-asserted-by”：“crossref”，“first page”：”1909“，“doi”：”10.1109“/TCYB.2018.2816981“，”volume“：”49“，”author“：”Y Chen“，”year“2019”，“unstructured”：“Chen Y，Song S，Li S，et al.Domain space transfer extreme learning machine for Domain adaptation。IEEE Trans-Cybern，2019，49:1909\u20131922”，“journal-title“：”IEEE Trans-Cybern“}，{“key”：“3080_CR27”，“doi-asserted-by”：“crossref”，“first page”：”759“，“doi”：“10.1145\/1273496.1273592”，“volume-title”：“机器学习国际会议论文集”，“author”：“R Raina”，“year”：“2007”，“unstructured”：“Raina R，Battle A，Lee H，et al。自学学习：从未标记数据中转移学习。摘自：2007年机器学习国际会议论文集。759\u2013766“}，{“key”：“3080_CR28”，“doi-asserted-by”：“crossref”，“first-pages”：“1158”，“doi”：“10.1109\/TKDE.2017.2669193”，”volume“：“29”，“author”：“Y Xu”，“year”：“2017”，“unstructured”：“Xu Y，Pan S J，Xiong H，et al.度量转移学习的统一框架。IEEE Trans-Knowl Data Eng，2017，29:1158\u20131171”，“journal-title”：“IEEE Trans Knowl Data Eng“}，{“key”：“3080_CR29”，“doi-asserted-by”：“crossref”，“first page”：”1194“，“doi”：”10.1109\/TSMC.2017.2735997“，”volume“：”49“，”author“：”S Li“，”year“：”2019“，”unstructured“：”Li S，Song S，Huang G，et al.用于域适配的跨域极限学习机。IEEE Trans-Syst Man Cybern Syst，2019，49:1194\u20131207“，“journal-title“：”IEEE Trans-Syst Man Cybern Syst“}，{“key”：“3080_CR30”，“doi-asserted-by”：“crossref”，“first-page”：“e49”，“doi”：“10.1093\/生物信息学\/btl242”，“卷”：“22”，“作者”：“K M Borgwardt”，“年份”：“2006”，“非结构化”：“Borgwardt K M，Gretton A，Rasch M J，et al。利用核最大均值差异整合结构化生物数据。生物信息学，2006，22:e49\u2013e57“，“期刊标题”：“生物信息学”}，{“关键词”：“3080_CR31”，“首页”：“137”，“卷标”：“神经信息处理系统国际会议论文集”，“作者”：“S Ben-David”，“年份”：“2007”，“非结构化”：“Ben-Daved S，Blitzer J，Crammer K，et al。领域适应的表示分析。摘自：《神经信息处理系统国际会议论文集》，2007年。137\u2013144“}，{“key”：“3080_CR32”，“doi-asserted-by”：“crossref”，“首页”：“87”，“doi”：“10.1016\/j.ijar.2019.03.009”，“volume”：”109“，“author”：“T Den\u0153ux”，“year”：“2019”，“unstructured”：“Den\u0153ux T.决策与信念函数：综述。Int j Approximate Reasoning，2019，109:87\u2013110”，“日记标题”：“Int j近似推理“}，{“key”：“3080_CR33”，“doi-asserted-by”：“crossref”，“first page”：第54页，“doi”：“10.1016\/j.knosys.2019.03.030”，“volume”：”176“，“author”：“T Den\u0153ux”，”year“：”2019“，“unstructured”：“Den\u20153ux T。Logistic回归，神经网络和Dempster-Shafer理论：一个新的视角。基于知识的系统，2019，176:54\u201367”，“journal-title”：“Knowledge-Based Syst”}，{“key”：“3080_CR34”，“doi-asserted-by”：“crossref”，“首页”：“804”，“doi”：“10.1109\/21.376493”，“卷”：“25”，“作者”：“T Den\u0153ux”，《年份》：“1995”，“非结构化”：“Den\u00153ux T。基于Dempster-Shafer理论的k近邻分类规则。IEEE Trans-Syst Man Cybern，1995，25:804\u2013813”，《新闻》标题“：“IEEE Trans-Syst Man Cybern”}，{“key”：“3080_CR35”，“doi-asserted-by”：“crossref”，“first page”：”119“，“doi”：“10.1016\/j.knosys.2014.11.013”，“volume”:“74”，“author”：“Z Liu”，“year”：“2015”，“unstructured”：“Liu Z，Pan Q，Dezert j，et al.Credal c表示基于信念函数的聚类方法.Knowledge-based Syst，2015，74:119\u2013132”，”，“journal-title“”：“基于知识的系统”}，{“key”：“3080_CR36”，“doi-asserted-by”：“crossref”，“首页”：“089202”，“doi”：“10.1007\/s11432-018-9560-6”，“卷”：“62”，“作者”：“Z J Zhou”，“年份”：“2019”，“非结构化”：“Zhou Z J，Liu T Y，Hu G Y，et al.基于区间证据推理的故障报警阈值优化方法.科学与中国信息科学，2019，62:089202”，“journal-title”：“Sci-China Inf Sci”}，{“key”：“3080_CR37”，“doi-asserted-by”：“crossref”，“first page”：《2032年》，“doi”：“10.1007”\/s11432-010-4073-y”，“volume”:“53”，“author”：“XSi”，“year”：“2010”，“unstructured”：“Si X S，Zhou C H，Hu Z J.基于证据推理方法的断层预测模型。Sci-China-Inf Scy，2010，53:2032\u20132046”，“journal-title”：“Sci-China Inf Sci”}，{“key”：“3080_CR38”，“doi-asserted-by”：“crossref”，“first page”：”297“，“doi”：“10.1007\/BF00932858”，“volume”：《22》，“author”：“S P Han”，《year》：“1977”，“unstructured”：“Han S P.非线性规划的全局收敛方法。J Opt Theor Appl，1977，22:297\u2013309”，“jornal-tittle”：}，{“键”：“3080_CR39”，“首页”：“2058”，“卷标”：“AAAI人工智能会议论文集”，“作者”：“B Sun”，“年份”：“2016年”，“非结构化”：“Sun B，Feng J，Saenko K。令人沮丧的简单域适配回归。摘自：AAAI人造智能会议论文，2016年。2058\u20132065“}，{“key”：“3080_CR40”，“首页”：“1410”，“volume-title”：“IEEE计算机视觉与模式识别会议论文集”，“author”：“M Long”，“year”：“2014”，“unstructured”：“Long M，Wang J，Ding G，et al。无监督域自适应的传输联合匹配。摘自：IEEE计算机视觉和模式识别会议记录，2014年。1410\u20131417“}，{”key“：”3080_CR41“，”doi-asserted-by“：”crossref“，”first page“：“223”，”doi“：”10.1002\/int.21638“，”volume“:”29“，”author“：”J Dezert“，”year“：”2014“，”unstructured“：”Dezert J，Tchamova A。关于Dempster \u2019融合规则的有效性及其作为贝叶斯融合规则推广的解释。Int J Intell Syst，2014，29:223\u2013252“，”journal-title“：”Int J Intell Syss“}]，”container-title”：[“中国科学信息科学”]，”original-title:[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10.1007\/s11432-020-3080-3.pdf“，”content-type“：”application\/pdf“”，”content-version“：”vor“，”intended-pdf“应用程序“：”文本挖掘”｝，｛“URL”：“https:\/\/link.springer.com\/article\/10.1007\/111432-00-3080-3\/fulltext.html”，“内容类型”：“text\/html”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝，｛“URL”：“https:\/\/link.springer.com\/content/pdf\/10.1007\/111432-00-3080-3.pdf”，“内容类型”：“application\/pdf”，“内容版本”：“vor”，“预期应用程序”：“相似性检查”｝]，“存放”：｛“日期部分”：[[2021,12,20]]，“日期-时间”：“2021-12-20T21:16:31Z”，“时间戳”：1640034991000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https:\/\/link.springer.com\/10.1007\/s11432--020-3080-3”｝，“副标题”：[]，“短标题”：[]，“发布”：｛“日期部分”：[[2020,10,22]]｝，“引用次数”：41，“新闻期刊“：{”期刊“：“11”，“published-print”：{“date-parts”：[[2020,11]]}}，“alternative-id”：[“3080”]，“URL”：“http://\/dx.doi.org\/10.1007\/s11432-020-3080-3”，“relationship”：{}，”ISSN“：[”1674-733X“，”1869-1919“]，”ISSN-type“：[{”value“：”1674-73“X”，“type”：“print”}，{“值”：“1869-1919”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2020,10,22]]}，“断言”：[{“value”：“2020年6月16日”，“order”：1，“name”：“received”，“label”：“已接收”，“group”：{“name”:“Article History”，“标签”：“Articles History“}}，{“值”：“2020-8/19”，“订单”：2，“名称”：“revised”，“table”：“Revieved”“，”标签“：“Accepted”，“group”：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“2020年10月22日”，“order”：4，“name”:“first_online”，“标签”：“first online”，”group“：{”name“：”Article历史“，”label“：”文章历史“}}}]，“文章编号”：“210203”}