一种基于模型迁移的分布式光纤传感跨域事件分类方法

本发明提供了一种基于模型迁移的分布式光纤传感跨域事件分类方法，旨在解决现有技术中基于知识迁移的事件分类方法，在同时访问源域和目标域数据时不便于传输和共享的问题。主要包括构建数据集、训练源域模型、训练目标域模型、部署目标域模型等步骤；本发明通过引入无源域域适应方法，实现了在源数据不可访问情况下的跨域事件分类；通过邻域样本的知识聚合和伪标签优化能够有效减少伪标签中的噪声，生成更准确的伪标签，从而更准确地分类事件；同时，相比于依赖复杂生成模型的现有方法，本发明还基于邻域样本知识聚合和自监督对比学习框架，实现了低计算成本的伪标签优化策略，减少了对计算资源的需求，更加适用于实际应用中的大规模数据处理和实时监测。