基于源域方差与混合高斯分布建模的样本加权域适应图像分类方法

本发明属于图像分类技术领域，具体涉及一种基于源域方差与混合高斯分布建模的样本加权域适应图像分类方法。为提高图像分类的准确度，本方法首先利用高斯混合模型对源域与目标域的特征空间进行概率建模，以准确表征数据分布特征；然后，通过引入源域分类损失的方差，动态评估源域样本的重要性，并据此调整样本权重，实现对源域内样本变异性的建模与控制；最后，通过加权训练策略有效优化分类模型，缩小源域与目标域之间的特征分布差异，从而提升跨域图像分类任务中的识别准确率与模型稳定性。