技术总结
本发明涉及一种基于无监督聚类和度量学习的迁移学习方法，先准备源域样本DS和目标域样本DT；再使用主成份分析方法降低全部样本的维度；然后对源域样本DS进行无监督聚类，将源域样本聚为多个类别；再为每个聚类学习一个度量矩阵G，通过每个聚类和所有的度量矩阵的关联性得出权重矩阵w0，并根据已知标签的目标域样本DTL训练权重矩阵w0，得到最优的权重矩阵W，最后根据权重矩阵W预测未知标签的目标域样本DTU的标签。本发明使用主成份分析方法来降低样本的维度，降低后续计算的复杂度。使用无监督聚类方法将样本聚为多个类别，更能够反应样本的本质特性。使用带标签的目标域样本来学习权重矩阵，更符合目标域样本的实际情况。
技术研发人员：易长安;顾艳春;王东;李晓东;胡小生;何志敏
受保护的技术使用者：佛山科学技术学院
技术研发日：2017.12.27
技术公布日：2018.06.22