异构迁移学习研究综述

异构迁移学习突破了同构迁移学习要求源域和目标域特征空间必须相同的界限,实现对异构数据的分析挖掘和知识迁移,进一步促进数据复用,为机器学习领域开拓更大的应用范围。首先介绍了迁移学习的定义与分类,然后深入阐述异构迁移学习的研究现状,并对其应用场景进行分析,最后指出了异构迁移学习当前存在的问题及未来可能的研究方向。