联合分布适配（JDA）
Long M, Wang J, Ding G, et al. Transfer feature learning with joint distribution adaptation[C]//Proceedings of the IEEE International Conference on Computer Vision. 2013: 2200-2207.
zhuanlan.zhihu.com/p/27336930
先看迁移成分分析（TCA）对问题的描述(https://blog.csdn.net/weixin_44390521/article/details/104336224)：
在已知道源数据的输入XSX_SXS和输出YSY_SYS以及目标数据的输入XTX_TXT的情况下，预测XTX_TXT对应的输出YTY_TYT，并且假设源数据和目标数据的边缘分布有很多差异，即P(XS)≠Q(XT)P(X_S) \neq Q(X_T)P(XS)=Q(XT)，但是条件分布一致，即P(YS∣XS)=Q(YT∣XT)P(Y_S|X_S) = Q(Y_T|X_T)P(YS∣XS)=Q(YT∣XT)。
而在联合分布自适应(JDA)中，条件分布是可以不一致的，即在源数据和目标数据的边缘分布和条件分布差异都很大的情况下，预测目标数据的输出YTY_TYT，JDA原文中如此表述其要解决的问题：
（1） 对域的定义（Domain）:域DDD由一个m为空间XXX和一个边缘分布Px)Px)Px)组成，即D={X,P(x),x∈X}D=\lbrace {X,P(x)},x \in X \rbraceD={X,P(x),x∈X}。
(2） 任务的定义 （Task）：给定域DDD，任务TTT由标签集合YYY和分类器f(x)f(x)f(x)组成，即T={Y,f(x)}T=\lbrace {Y,f(x)}\rbraceT={Y,f(x)}。
（3） 问题：已知带标签的源数据DS={(x1,y1)，⋅⋅⋅，(xns,yns)}D_S=\lbrace(x_1,y_1)，···，(x_{n_s},y_{n_s})\rbraceDS={(x1,y1)，⋅⋅⋅，(xns,yns)}和不带标签的目标域DT={xns+1，⋅⋅⋅，xns+nt}D_T=\lbrace x_{n_s+1}，···，x_{n_s+n_t} \rbraceDT={xns+1，⋅⋅⋅，xns+nt}，假设XS=XT，YS=YT，P(XS)≠P(XT)，Q(YS∣XS)≠Q(YT∣YS)X_S=X_T，Y_S=Y_T，P(X_S)\neq P(X_T)，Q(Y_S|X_S)\neq Q(Y_T|Y_S)XS=XT，YS=YT，P(XS)=P(XT)，Q(YS∣XS)=Q(YT∣YS)，希望能够学习到一种特征表示，能够显著减少源域和目标域的边缘分布和条件分布差异。
JDA希望最小化输入经过TTT变换后和标签的联合期望：
minT∣∣Ep(xs,ys)(T(xs),ys)−Ep(xt,yt)(T(xt),yt)∣∣≈∣∣Eps(xs)−Ept(xt)∣∣+∣∣EQ(ys∣xs)(ys∣T(xs)−EQ(yt∣xt)(yt∣xt)∣∣min_T ||E_{p(x_s,y_s)}(T(x_s),y_s)-E_{p(x_t,y_t)}(T(x_t),y_t)||\approx ||E_{p_s}(x_s)-E_{p_t}(x_t)||+||E_{Q(y_s|x_s)}(y_s|T(x_s)-E_{Q(y_t|x_t)}(y_t|x_t)||minT∣∣Ep(xs,ys)(T(xs),ys)−Ep(xt,yt)(T(xt),yt)∣∣≈∣∣Eps(xs)−Ept(xt)∣∣+∣∣EQ(ys∣xs)(ys∣T(xs)−EQ(yt∣xt)(yt∣xt)∣∣
这个问题是无解的，因为并不知道目标域的标签，JDA使用伪标签的策略，使用源数据训练的分类器预测目标源的标签，即假设Q(YS∣XS)≈Q(YT∣XT)Q(Y_S|X_S)\approx Q(Y_T|X_T)Q(YS∣XS)≈Q(YT∣XT)。显然伪标签是不够准确的，因此优化结果也是不准确的，JDA采样反复迭代的方法，逐渐提高伪标签的正确率。
主成分分析(PCA)通过降维的方法学习变换特征表示，设X={x1,x2,⋅⋅⋅，xn}∈Rm×n，n=ns+ntX=\lbrace x_1,x_2,···，x_n\rbrace \in R^{m\times n}，n = n_s+n_tX={x1,x2,⋅⋅⋅，xn}∈Rm×n，n=ns+nt，H=I−1n1，1∈Rn×nH = I -\frac{1}{n}1，1\in R^{n\times n}H=I−n11，1∈Rn×n是中心矩阵，XHXTXHX^TXHXT是协方差矩阵，PCA的目标是找到一个正交变换矩阵使得：
maxATA=Itr(ATXHXTA) (1)max_{A^TA=I}tr(A^TXHX^TA)\space\space\space(1)maxATA=Itr(ATXHXTA) (1)
这个优化问题可以通过奇异值分解XHXTAϕ=AϕXHX^TA\phi=A\phiXHXTAϕ=Aϕ求解，ϕ=diag(ϕ1,ϕ2,⋅⋅⋅，ϕk)∈Rk×k\phi =diag(\phi _1,\phi _2,···，\phi _k) \in R^{k\times k}ϕ=diag(ϕ1,ϕ2,⋅⋅⋅，ϕk)∈Rk×k，是k个最大的特征值最后找到最优的k为特征表示Z=ATXZ=A^TXZ=ATX
PCA等降维方法可以学习输入变换的特征表示，但是这样的特征表示是在不同域进行的，学习到的是不同域独立的特征表示。JDA中采样TCA的方法，通过优化两个分布的MMD距离，最小化边缘分布的期望差异：
∣∣1ns∑i=1nsATxi−1ns+nt∑j=1nt+nsATxj∣∣2=tr(ATXM0XA) (2)||\frac{1}{n_s}\sum_{i=1}^{n_s}A^Tx^i-\frac{1}{n_s+nt}\sum_{j=1}^{n_t+n_s}A^Tx^j||^2=tr(A^TXM_0XA)\space\space\space(2)∣∣ns1i=1∑nsATxi−ns+nt1j=1∑nt+nsATxj∣∣2=tr(ATXM0XA) (2)
AAA是变换矩阵
M0M_0M0，是MMD矩阵,M0={1nsns,xi,xj∈Ds1ntnt，xi,xj∈DT−1nsnt，others (3)M_0=\begin{cases}\frac{1}{n_sn_s},&\text x_i,x_j \in D_s \\ \frac{1}{n_tn_t}，&\text xi,x_j\in D_T \\
-\frac{1}{n_sn_t}，&\text others
\end{cases}\space\space\space(3)M0=⎩⎪⎨⎪⎧nsns1,ntnt1，−nsnt1，xi,xj∈Dsxi,xj∈DTothers (3)
通过使用JCA学习特征变换矩阵AAA，得到新的特征表示Z=ATXZ=A^TXZ=ATX
条件分布适配就是要最小化Q(YS∣XS)Q(Y_S|X_S)Q(YS∣XS)和Q(YT∣XT)Q(Y_T|X_T)Q(YT∣XT)的距离，前面已经说到可以是源数据训练一个分类器，比如支持向量机，预测目标域的标签，称之为伪标签。但是有存在另一个问题是条件分布很难计算，但是类条件概率Q(XS∣YS=c)Q(X_S|Y_S=c)Q(XS∣YS=c)和Q(XT∣YT=c),c∈{1,2⋅⋅⋅，n}Q(X_T|Y_T=c),c\in \lbrace 1,2···，n \rbraceQ(XT∣YT=c),c∈{1,2⋅⋅⋅，n}是很容易统计的，如果两个分布的类条件概率的差异很小时，那么条件分布的差异也应该很小的，因此最小化类条件概率和最小化条件概率是相当一致的。JDA中依然使用MMD距离衡量两个分布的差异：
∣∣1nsc∑xi∈DscATxi−1nsc+ntc∑xj∈DtcATxj∣∣2=tr(ATXMcXA) (4)||\frac{1}{n_s^c}\sum_{x_i\in D_s^c}A^Tx^i-\frac{1}{n_s^c+n_t^c}\sum_{x_j\in D_t^c}A^Tx^j||^2=tr(A^TXM_cXA)\space\space\space(4)∣∣nsc1xi∈Dsc∑ATxi−nsc+ntc1xj∈Dtc∑ATxj∣∣2=tr(ATXMcXA) (4)
M={1nsc,xi,xj∈DS1ntc，xi,xj∈DT−1nsnc,{xi∈DS,xj∈DTxi∈DT,xj∈DS0,others (5)M = \begin {cases}
\frac{1}{n_s^c} ,&\text x_i,x_j\in D_S \\
\frac{1}{n_t^c}，&\text x_i,x_j\in D_T \\
-\frac{1}{n_sn_c},\begin{cases}x_i\in D_S,x_j\in D_T \\ xi\in D_T,x_j\in D_S\end{cases} \\ 0,&\text others \end {cases}\space\space\space(5)M=⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧nsc1,ntc1，−nsnc1,{xi∈DS,xj∈DTxi∈DT,xj∈DS0,xi,xj∈DSxi,xj∈DTothers (5)
把边缘分布和所有类条件分布的MMD距离加起来，就是要优化的问题：
maxATXHXTA=I∑i=0Ctr(ATXMCXTA)+λ∣∣A∣∣2 (6)max_{A^TXHX^TA=I}\sum^C_{i=0}tr(A^TXM_CX^TA)+\lambda ||A||^2\space\space\space(6)maxATXHXTA=Ii=0∑Ctr(ATXMCXTA)+λ∣∣A∣∣2 (6)
后一项是正则化项。
设ϕ=diag(ϕ1,⋅⋅⋅，ϕk)\phi = diag(\phi_1,···，\phi_k)ϕ=diag(ϕ1,⋅⋅⋅，ϕk)是拉格朗日乘子，上述优化问题的拉格朗日函数为：
L=tr(AT(X∑c=0CMcXT+λI)A)+tr((I−ATXHXTA)ϕ)L = tr(A^T(X\sum_{c=0}^CM_cX^T+\lambda I)A)+tr((I-A^TXHXTA)\phi)L=tr(AT(Xc=0∑CMcXT+λI)A)+tr((I−ATXHXTA)ϕ)
令αLαx=0\frac{\alpha L}{\alpha x} = 0αxαL=0，得
(X∑c=0CMcXT+λI)A=XHXTAϕ(X\sum_{c=0}^{C}M_cX^T+\lambda I)A=XHX^TA\phi(Xc=0∑CMcXT+λI)A=XHXTAϕ，变换矩阵AAA就是前k个最小的特征值对应的特征向量。
另Z=ATXZ = A^TXZ=ATX，ZZZ就是新的特征，可以理解为提取了源域和目标域的公共特征，这样源域的分类器就可以作为目标域的分类器。但是目标域用的标签是伪标签，因此需要重复上述过程，直至收敛。
作者：Lenlend
