第2章 基于非负矩阵分解的迁移学习算法

非负矩阵分解（Non-Negative Matrix Factorization, NMF）[25]是由Lee和Seung于1999年在自然杂志上提出的矩阵分解算法，由于其分解后的所有分量均为非负值，符合现实场景设置，因此多年来有着广泛的应用。

本章介绍基于非负矩阵的迁移学习的基本思想及经典算法，内容组织如下：2.1节介绍基于非负矩阵分解进行迁移学习的问题定义；2.2节介绍从词空间到文档空间的知识迁移算法；2.3节介绍相似概念的知识迁移；2.4节介绍包括相同和相似的共享概念的知识迁移；2.5节介绍划分共享和差异概念的迁移算法；2.6节介绍软关联的知识迁移算法；2.7节为本章小结。