基于多源层次语义融合和跨层校准的域泛化方法及系统

本发明涉及一种基于多源层次语义融合和跨层校准的域泛化方法及系统，涉及机器学习域泛化技术领域。所述方法包括：在每个源域上独立训练得到源域模型，提取和学习局部数据的语义特征；将各个源域模型的参数在不同的网络层级上进行加权平均，并引入语义相似性度量进行模型权重分配，聚合各个语义特征；利用注意力机制对聚合后的语义特征进行跨层级的对齐校准操作，对融合后的源域模型进行性能评估，并根据性能评估结果调整语义校准的强度。从多个源域中提取并融合关键的语义特征，可以增强模型的泛化性能；由于源域模型是在每个源域上独立训练的，且通过数据无关的方式进行语义聚合，避免了原始数据的直接共享，可以保护数据隐私。