一种基于原始数据信息保留的域自适应降维方法

摘要

本发明涉及机器学习中域自适应相关问题，提出了一种基于原始数据信息保留的域自适应降维算法。为了减少源域和目标域之间的分布差异，本发明同时匹配了源域和目标域之间的类条件概率分布和边缘概率分布，并利用源域标签构造源域数据的局部和非局部几何结构，在降维过程中保持这两种几何结构不变；同时，由于域自适应的任务是学习目标域数据的标签，保持目标域数据的原始信息也十分重要，本发明利用目标域方差最大化来保留目标域原始信息。在源域和目标域上分别学习投影矩阵，把数据投影到一个低维潜在空间中，使数据有新的降维表示。