一种跨域预测的元不变特征空间学习方法

摘要

一种跨域预测的元不变特征空间学习方法，其特征是将已有数据作为源域数据，并对源域数据进行分组配对；分别针对每个配对中的数据建立预测模型，进而构建配对数据的不变特征空间学习模型，通过协同训练学习每个配对数据的不变特征空间；以不变特征空间学习模型为基模型，通过元学习方法学习不同配对之间的元不变特征空间，得到元不变特征空间学习模型，进而基于元不变特征空间学习模型对目标域进行预测。本发明通过协同学习的方式获得两种工况下的不变特征空间，解决边缘分布适应问题。提高了跨域下的预测精度。