[发明专利]基于鉴别流形的跨数据域的转移学习分类方法

摘要

本发明实施例公开了一种基于鉴别流形的跨数据域的转移学习分类方法，包括以下步骤：输入各个数据域的数据和用于训练的标签数据，对数据建立用于谱图几何调节的邻接图；对输入的数据、标签信息和建立的邻接图，将优化目标结合，建立统一的数学模型；根据建立的数学模型，推导变量的更新公式，以交替迭代的方式更新各个数据域的各个维度的隐藏因子，域间共享的关系结构，以及回归系数，直到收敛为止；利用得到的参数，对目标域的数据进行类属标签预测，得到对目标域数据预测的类属标签。本发明用于学习得到一种鉴别的数据流形空间，新的表达因子具有有利于分类的高度鉴别结构，也保持了数据原有的聚类流形结构。

主权项

一种基于鉴别流形的跨数据域的转移学习分类方法，其特征在于，包括以下步骤：S10，输入各个数据域的数据和用于训练的标签数据，对数据建立用于谱图几何调节的邻接图；S20，对所述输入的数据、标签信息和建立的邻接图，将跨数据域的联合矩阵分解模型、鉴别回归模型、跨数据域的距离调节、流形几何调节等优化目标结合，建立统一的数学模型；S30，根据所述建立的数学模型，推导变量的更新公式，以交替迭代的方式更新各个数据域的各个维度的隐藏因子，域间共享的关系结构，以及回归系数，直到收敛为止；S40，利用得到的参数，对目标域的数据进行类属标签预测，得到对目标域数据预测的类属标签。