摘要：遷移學習的目的是解決目標領(lǐng)域中訓(xùn)練樣本不足的學習問題,可以把一些在其他相關(guān)的源領(lǐng)域中獲得的知識,遷移到目標領(lǐng)域中.它放寬了傳統(tǒng)機器學習中的兩個基本假設(shè):用于學習的訓(xùn)練樣本與新的測試樣本滿足獨立同分布的條件;必須有足夠可利用的訓(xùn)練樣本才能學習得到一個較好的分類模型.按照源領(lǐng)域和目標領(lǐng)域的特征空間是否相同可劃分為同構(gòu)遷移學習和異構(gòu)遷移學習.本文主要針對同構(gòu)遷移學習的相關(guān)研究進展進行了綜述,從理論、算法、應(yīng)用方面介紹了在該領(lǐng)域所做的研究工作,并指出了同構(gòu)遷移學習未來可能的研究方向.