近日，kaiyun体育登录网页入口刘伟锋教授团队在迁移学习中领域自适应研究方面取得新进展，相关研究论文“Unified Cross-domain Classification via Geometric and Statistical Adaptations”（UCGS）于Pattern Recognition（PR）在线发表。刘伟锋教授为论文第一作者同时为论文通讯作者，kaiyun体育登录网页入口（华东）为第一署名单位。

Pattern Recognition是模式识别领域的顶级期刊之一，SCI二区Top期刊，2019年影响因子（Impact Factor）7.196，在全球机器学习与模式识别领域具有很高的影响力。

刘伟锋教授于模式识别期刊（PR）发表论文

迁移学习放宽了传统机器学习服从独立同分布这一假设，从而使得参与学习的领域或者任务可以服从不同的概率分布。领域自适应是迁移学习研究的最为充分的问题，也是目前研究的热点。UCGS采用了双角度适配的方法：一方面利用最大均值差异（Maximum Mean Discrepancy, MMD）度量域间分布差异，通过最小MMD距离，使得两个领域的数据均值相互靠近；另外一方面，灵活运用Nyström估计的方法建立一个域不变的几何图结构从几何角度建立域间联系。这样，从两个互补角度进行域间分布适配，所得到的学习模型能够对领域间的分布差异具有更好的鲁棒性。

刘伟锋教授团队主要从事模式识别和机器学习理论及相关应用的研究，近年来在IEEE Transactions on Knowledge and Data Engineering，IEEE Transactions on Image Processing，IEEE Transactions on Cybernetics等国际权威期刊上发表学术论文近百篇，其中10篇论文入选ESI高被引论文，3篇入选ESI热点论文。

论文链接如下：

  https://www.sciencedirect.com/science/article/abs/pii/S0031320320304611