一种基于置信度与信息熵的鲁棒噪声标签域自适应方法

本发明公开了一种基于置信度与信息熵的鲁棒噪声标签域自适应方法，具体包括以下步骤：对源域和目标域双域数据集中的数据进行准备；预热阶段，模型采用源域有标签数据进行训练；置信度调制自适应学习；基于熵引导的混淆对齐机制；建立联合优化损失函数；输出自适应结果。通过引入置信度调节学习和熵引导混淆对齐的联合优化策略，动态调整学习强度并减少类别间混淆，有效解决了噪声标签和跨域分布差异带来的问题，提高了领域自适应的鲁棒性和稳定性；在目标域无标签的情况下，依靠预测置信度和熵信息进行优化，提升了噪声标签比例高和类别分布不平衡情况下的目标域分类准确率。