论文部分内容阅读
特征迁移重在领域共有特征间学习，然而其忽略领域特有特征的判别信息，使算法的适应性受到一定的局限．针对此问题，提出了一种融合异构特征的子空间迁移学习（ThesubspacetransferlearningMgorithmintegratingwithheterogeneousfeatures，STL—IHF）算法．该算法将数据的特征空间看成共享和特有两个特征子空间的组合，同时基于经验风险最小框架将共享特征和特有特征共同嵌入到支持向量机（Supportvectormachine，SVM）的训练过程中．其在共享