Transfer Defect Learning

**题目：**Transfer Defect Learning
**作者：**Jaechang Nam, Sinno Jialin Pan, Sunghun Kim
**单位：**The Hong Kong University of Science and Technology, Institute of Infocomm Research
**发表：**ICSE, 2013

解决的问题

由于源项目和目标项目特征分布的不同，跨项目缺陷预测的性能一直很低。本文提出一种state-of-the-art的迁移学习方法TCA使源项目和目标项目的特征相似。并且通过扩展TCA得到TCA+进一步提升跨项目缺陷预测性能。

方法

本文的假设

我们的跨项目缺陷预测方法假设源项目和目标项目的特征集相同，只是特征的分布不同。

文中用到的符号

本文中矩阵和向量都用粗体表示，例如$\mathbf{X}, \mathbf{x}$，矩阵的转置用$^T$表示，而$tr(\mathbf{X})$和$\mathbf{X}^{-1}$表示矩阵的迹和矩阵的逆。对于矩阵$\mathbf{X}\in\mathbb{R}^{n\times m}$，矩阵的每一行代表一个样本（实例），每一列代表一个特征。$\mathbf{x}_i$表示第i个样本，$\mathbf{x}^{(j)}$代表第j个特征向量。

问题转化

令源数据$\mathcal{D_S} = \{(\mathbf{x}_{\mathcal{S_i}}, y_{\mathcal{S_i}})\}^{n_1}$

放弃了放弃了这笔记太难写了字母太多了……