目标聚类排除
一种面向故障诊断的无源开放集域适应框架，通过目标聚类估计与排除策略，在无法访问源域数据的情况下实现未知类别的识别与已知类别的可靠分类。
Zongzhen, Ye · 吴军 · 何雪松 · Lixiang, Wang · Chen, Zuoyi
Journal of Industrial Information Integration 2026
框架仅利用预训练模型和目标域数据即可完成诊断，避免了源域样本的存储与传输。
通过自分裂聚类估计目标域潜簇数，并采用自适应采样与簇排除策略构建已知与未知类别原型，从而识别未知故障。
基于邻居一致性和原型可分性的双重不确定性估计策略用于筛选可靠伪标签样本，从而减少错误标签的影响。
局部共识学习策略增强类别间特征的紧凑性，提升模型在目标域的适应能力。