控制与决策

作者：马大中,王清晨,齐开聪,左鑫如,王梓鑫

单位：东北大学 信息科学与工程学院，沈阳 110819,,东北大学 信息科学与工程学院，沈阳 110819,,东北大学 信息科学与工程学院，沈阳 110819,,东北大学 信息科学与工程学院，沈阳 110819,,东北大学 信息科学与工程学院，沈阳 110819,

关键词：迁移学习;域适应;域不变特征;跨域类匹配;时序域泛化

基金：国家自然科学基金联合基金重点项目(U22A20221).

在实际应用中, 标注数据的稀缺与源域、目标域的分布差异导致模型泛化性受限. 无监督域适应(UDA)通过缩小域间分布差异, 确保模型在新的环境下性能稳定. 过去20年, 域适应在分布对齐、特征变换等方面得到广泛研究, 但现有综述多聚焦于域不变特征学习视角, 鲜有文献从域间类别差异角度系统性总结. 鉴于此, 以类别空间不一致为核心视角, 对域不变特征学习和跨域类别匹配两个技术手段展开全面综述. 首先介绍域适应中分布漂移的基本概念与数学定义, 并基于标签集差异划分为闭集、部分集、开集与通用域适应; 其次从域不变特征学习和跨域类别匹配两方面对现有方法进行全面综述, 继而阐述域适应的多种变体, 包括无源、多源、域泛化, 并首次在综述中引入时序域适应/泛化问题; 最后总结域适应在自然语言处理、计算机视觉、工业时序与推荐系统等领域的应用, 并展望未来发展方向与挑战.

来源：2026年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第3期