【迁移学习】JDA（Joint Distribution adaptation ）小结

JDA（Joint Distribution adaptation ）一种联合分布自适应的方法。

问题描述：

迁移学习是一门利用源域知识来提升目标域知识的学科（这里说的比较笼统），JDA是一种即考虑两个域之间的边缘分布（ marginal distributation）又考虑条件分布（conditional distribution）的经典迁移学习方法。
领域(Domain):一个领域（Domain）由两部分组成：一个m维的特征空间X 和边缘分布P（x）即D = {X，P（x）}且x∈X。
任务(Task):存在一个领域D，一个任务由一个有C种标签的数据集Y和一个分类器f（x）组成即T = {Y，f（x）}，y∈Y，且f（x）= Q（y|x）可以被看做一个条件分布。
问题:给定一个有标记的源域Ds和一个未标记的目标域Dt。假定