全局局部知识兼顾
该算法同时利用全局与局部两个视角的抽样信息，传递出一致且置信的知识，避免迭代中重复抽样，显著提升领域适应效率。
Zefeng, Zheng · Teng, Luyao · 张巍 · Wu, Naiqi · 滕少华
IEEE/CAA Journal of Automatica Sinica 2023
全局密度抽样提取最具共性的代表性样本，局部密度抽样选择具有关键边界信息的样本，两者结合使知识更全面。
数学分析表明DDS在迭代过程中避免了重复抽样，从而大幅减少时间开销。
提出的DDSA是一个通用框架，可以简便地应用于其他领域适应算法。