跨域识别更稳
在联合分布对齐中引入双重类特定正则化，同时优化源域类内紧凑性与目标域类间可分离性，提升无监督域自适应分类器的稳健性。
罗天健
Engineering Applications of Artificial Intelligence 2024
整体优化过程最小化最大均值差异，并同时加入双重类特定正则化，因此将联合分布对齐与类内/类间约束融合在一个框架内。
在多个基准数据集上，所提方法优于当前最先进的传统无监督域自适应方法和先进的深度无监督域自适应模型。
在联合分布对齐中加入双重惩罚项，使模型在适配过程中能同时利用源域和目标域的类别信息，从而提升目标域分类精度。