为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
本次学术报告主要介绍了一种基于不变希尔伯特空间的域适应算法。
本次报告介绍了基于希尔伯特空间（即内积向量空间）的域适应学习方案，可以用于无监督和半监督域适应问题。通过度量每个域的样本投影到潜在空间上的点之间的马氏距离的来实现的潜在特征空间的学习。具体的度量标准为最小化同一类样本域空间的差异，同时最大化域空间中样本之间的特征分辨性。
本文利用黎曼优化技术来匹配从不同域投影到潜在空间中的样本之间的统计特性。根据可用的类标签，算法会让标签相同的样本之间的距离拉近，不同类别的样本之间的距离拉远。无论是基于手工提取的浅层特征，还是深度模型学习得到的深度特征，本文的方法都能得到较好的效果。实验表明，即使使用简单的最近邻分类器，本文的方法也可以达到领域最优算法的水平。