类别比例估计及其在多类异常拒绝中的应用

本研究解决了两个属于域自适应范畴的分类问题，其中训练样本与测试样本的分布存在差异。第一个研究问题是类别比例估计，即在给定各类别标记样本的情况下，估计未标记测试数据集中的类别比例。与以往关于该问题的研究相比，我们的方法具有一个新颖特征：不需要来自其中一个类别的标记训练数据。这一特性使我们能够解决第二个域自适应问题，即多类异常拒绝。此处目标是设计一种分类器，其具备分配“拒绝”标签的选项，以表明该实例并非源自训练数据中存在的类别。我们为这两个域自适应问题建立了一致的学习策略，据我们所知，这尚属首次。此外，我们实现了类别比例估计技术，并在多个基准数据集上展示了其性能。