基于慢过程特征迁移的动态模型学习
来源：计算机应用与软件杂志2025年第9期北京时间：
作者：焦锋, 王星魁
摘要：为实现动态特征提取的跨域学习，提出一种基于慢过程特征迁移的动态模型学习方法。提出一种迁移慢特征分析方法，用于传递从不同源过程学习到的动态特征，从而提高目标过程的预测性能；进一步动态更新两个权重函数，以量化每个时刻从源域到目标域的可迁移性，另外设计一种改进贝叶斯算法方案，从而在考虑相应不确定性的概率分布下获取参数；通过一个仿真实例、一个公共数据集和一个工业案例，验证了该方法的有效性。
关键词：跨域学习, 贝叶斯, 权重函数, 慢特征分析
