近年来，目睹了对转移学习的日益增长的兴趣。 本文针对分类问题，即与源域分布不同的目标域是完全未标记的，目的是为看不见的数据建立归纳模型。 首先，我们在转导学习的先前工作中分析了类比漂移的问题，并提出了使用归一化方法向期望的类比移动的方法。 此外，我们为归纳转移学习开发了混合正则化框架。 它考虑了三个因素，包括通过流形正则化的目标域的分布几何形状，通过熵正则化的预测概率的熵值以及通过期望正则化的类别先验。 该框架用于使从源域学习的归纳模型适应目标域。 最后，对真实世界文本数据的实验表明了我们的归纳