论文部分内容阅读
领域适应（或跨领域）学习旨在利用源领域（或辅助领域）中带标签样本来学习一种鲁棒的目标分类器，其关键问题在于如何最大化地减小领域间的分布差异．为了有效解决领域间特征分布的变化问题，提出一种三段式多核局部领域适应学习（multiple kernel local leaning—based domain adaptation，简称MKLDA）方法：1）基于最大均值差（maximum mean discrepancy,简称MMD）度量准则和结构风险最小化模型，同时，学习一个再生多核Hilbert空间和一个初始的支