摘要：当源域和目的域数据分布不同时，大多数机器学习方法的性能会降低。为了解决这一问题，基于域适应的思想，提出了一种新的人脸识别方法。首先计算源域样本的相对权值，删除与目的域样本相差很大的样本，降低两域之间的差异性；然后采用基于正规化的Bregman divergence获得公共子空间，获得两域之间的共性；最后利用目的域样本目标化源域样本，充分利用目的域的特有信息。在此基础上建立的分类模型能够充分利用两域之间的共性和目的域的特性，实现对目的域的准确分类。为了评估方法的性能，在多个数据集上进行测试实验。实验结果证明，该方法的性能与其他几种方法相比均有所提高。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）