论文摘要:相关但不同领域的数据分布差异是知识适应的长期问题。提出了一种新的源域知识变换方法,使其与目标函数相适应。该方法利用深度学习方法和目标域有限样本对源域数据集进行变换。它将目标域的有限样本作为启动源知识转移的种子。采用不同的计算智能模型和不同的数据集进行了综合实验。结果表明,使用该方法训练的预测模型与仅使用源知识或深度学习特征训练的相同模型相比,表现出最佳的性能。实验表明,在总共18个实验中,使用所提方法训练的模型在14个实验中至少比基线方法好50%