源域数据不可用也能用
通过可靠伪标签与辅助对比学习，在目标域数据上实现与有源域方法相当的诊断精度，摆脱对源域样本的直接依赖。
Zongzhen, Ye · 吴军 · Xuesong, He · Dai, Tianjiao · 朱海平
Reliability Engineering and System Safety 2025
通过最近邻知识聚合生成可靠伪标签，并结合不确定性估计重加权分类损失，使模型仅从目标域样本中学习，摆脱对源域数据的访问。
通过不确定性估计量化伪标签可靠性，并据此对分类损失进行重加权，减少噪声伪标签对模型训练的影响。
引入负对排除方案，即使在伪标签存在噪声的情况下也能识别并排除由同类别样本构成的负对，提升对比学习的有效性。