一种基于虚拟决策边界与特征对齐的持续领域适应方法

本发明公开了一种基于虚拟决策边界与特征对齐的持续领域适应方法，涉及模型持续学习技术领域；S1、初始化在源域数据上预训练的模型；S2、输入目标域数据至模型，模型停止访问源域数据，适应当前的目标域数据；S3、使用特征提取器和分类器从目标域数据中提取特征并进行预测或分类；S4、优化虚拟决策边界和互补特征对齐并更新当前模型参数；S5、引入虚拟决策边界和互补特征对齐损失后，获得最终的损失函数再重新进行分类；S6、设计目标域数据测试集合进行模型性能评估与记录；本发明采用上述一种基于虚拟决策边界与特征对齐的持续领域适应方法，增强了持续领域适应的适应能力，特别是在领域适应过程中减少误分类并保持源领域的知识。