基于主动学习的无源领域自适应方法

基于主动学习的无源领域自适应方法，建立无源领域自适应中拟合源域和目标域的分布对齐策略，设计目标域信息的聚类最近邻主动学习的特征提取方法，实现目标域学习任务，其特征在于首先使用源域数据训练源模型并由源数据生成源原型；然后使用源原型对目标数据进行标注，设计聚类最近邻主动学习的目标域特征提取方法，筛选出目标样本的部分数据进行标签注释，使得模型能更好了解目标域的内在结构，充分利用目标域信息，减小模型对两个域之间的认知差距；最后利用已标注的目标样本对源模型进行微调和更新，实现域间分布对齐，增强模型的分类性能。本发明的目的是提供一种基于主动学习的无源领域自适应方法，解决了现有领域自适应方法的领域分布偏移、类别标签偏移、数据隐私安全、数据存储和传输的成本过高等问题，增强了对源域和目标域数据的跨域特征的提取，提高对源域已知类别的识别精度，增加模型对未知类的发现能力，同时实现预训练阶段源域数据的间接利用，促进对源域数据的隐私保护和数据安全保护，并对目标域没有标注的数据进行无监督分类学习。