一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法

该发明公开了一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法，涉及深度学习和迁移学习领域。现有的方法通过多层感知机(MLP)来探索目标类别空间，即通过K‑Means算法获取目标数据的聚类伪分布，推断目标类别数量K来探索目标类别空间。但是，K‑Means算法需要在初始化阶段假设目标类别数量的初始值K，并且对初始中心点敏感，可能陷入局部最优，且仅适用于球形簇。本方案采用密度峰值算法(DPC)对目标域空间进行聚类操作。本方案无需预设聚类数量，能识别任意形状的簇。