在迁移学习中，通常会使用已经训练好的模型或者与训练的模型作为基础模型，然后针对新的任务或领域进行微调或者重新训练，以适应新的数据分布和任务需求。

动态程序比对法、松弛比对法都属于对比识别的方法。

SVM中核函数的作用是将数据从原始空间映射到更低维的特征空间，使得原本线性不可分的数据在特征空间中变得线性可分。

欠采样、过采样、阈值移动属于解决类别不平衡的方法。

以支撑种子模型训练调优为目标，明确需补充的样本类型、数量及样本格式。

深度学习模型的训练时间通常比传统机器学习模型短。

当所有数据隶属的簇不再发生变化的时候可作为kmeans方法停止循环的指标。

局部二值模式（LBP）和高斯方向梯度直方图（HOG）等属于结构特征值。

在k-means聚类算法中，增加样本数一定能够改善聚类效果。

卷积神经网络具有局部感知、参数共享和上采样等特点。