迁移学习的第三类方法：子空间学习(2)——流形学习Hi，大家好，我是半亩花海。在上节说明了迁移学习的第二类方法：特征选择之后，本文主要将介绍迁移学习的第三类方法——子空间学习(2)——流形学习。本文重点阐述了Grassmann流形在特征变换中的应用。流形学习假设高维数据具有低维流形结构，利用测地线距离度量数据关系。文章详细解析了两种代表性方法：SGF通过中间点构建源域到目标域的测地线路径，但存在参数确定难题；GFK则创新性地采用核学习方法解决该问题，并提出多源域选择策略。这些方法为处理跨域数据分布差异提供了有效解决方案。