[发明专利]一种面向多源实例迁移学习的样本筛选和权重计算方法

权利要求书

1.面向多源实例迁移学习的样本筛选和权重计算方法，其特征在于包括以下步骤：

步骤1：输入在特征集X={x₁,x₂,……,x_m}和标签属性y上的n个源领域数据集，…，和一个目标领域有标签数据集；和一个在特征集X={x₁,x₂,……,x_m}上的目标领域无标签数据集

；；

步骤2：在数据集上分别计算协方差阵，及其特征值v₁={v₁₁,v₁₂,…,v_1m}，v₂={v₂₁,v₂₂,…,v_2m}，…，v_n={v_n1,v_n2,…,v_nm}；

步骤3：将分别归一化得到w₁={w₁₁,w₁₂,…,w_1m}，w₂={w₂₁,w₂₂,…,w_2m}，…，w_n={w_n1,w_n2,…,w_nm}；

步骤4：分别计算与的n个距离矩阵R¹,R²,…,Rⁿ，

，1≤k≤n；

，表示的第i个样本与的第j个样本之间的距离；

步骤5：分别在R¹,R²,…,Rⁿ中，用每一行i的平均距离，定义中第i个样本与的特征距离，分别得到为，，…，，即是R^k中第i行中的平均值；分别计算中最小的p个值，并根据在中选择对应p个样本得到，即在中选择与平均距离最近的p个样本为；

步骤6：分别计算的初始样本权重向量，，…，，其中，将归一化；

步骤7：使用n个源样本到目标的n个特征距离向量，，…，作为迭代训练分类器过程中，更新源样本权重的一个指标。