小样本高泛化
该算法能主动筛选并优化对泛化最有价值的样本和特征，用更少的数据资源实现域泛化分类。
Chen, Jianting · Ding, Ling · Yunxiao, Yang · Zaiyuan, Di · 相阳
IEEE Transactions on Knowledge and Data Engineering 2024
主动选择对泛化最有价值的样本，使小规模高质量数据集即可达到显著泛化水平，减少所需标注数据量。
域对抗选择方法优先挑选对当前模型具有挑战性的样本，在主动学习框架中最大化样本信息量，提升每份标注的收益。
即使模型收敛后，仍会识别并优化域内缺乏判别力的特征子集，增大类间距离，进一步提升泛化能力。