学位论文简介

本文的研究工作主要是基于预训练模型在开放集域适应任务的应用综合研究，目标是解决开放集域适应任务中存在的负迁移、伪标签噪声积累和灾难性遗忘偏差学习的问题，提高多模态预训练模型在不同领域任务间的泛化性能。为此，本文系统地提出相应的基于提示学习、基于聚类学习和基于因果推理的解决方案，并设计科学实验对提出方法进行了全面有效性验证。取得的主要创新研究成果归纳如下：

(1) 提出了基于预训练模型和差分提示学习的方法，利用稳定扩散模型生成伪开放样本，设计差分提示学习对视觉和文本信息去噪，同时结合三元组损失和负标签惩罚机制进行未知类识别和标签对齐，从而解决了开放集域适应中负迁移的现象和实现了预训练模型的有效知识迁移。

(2) 提出了基于预训练模型和自适应聚类的方法，利用高斯混合原理，设计领域一致的自适应聚类算法探索目标域结构，同时利用大规模视觉语言预训练模型获取伪标签并进行筛选，然后基于预训练模型的一致性对齐损失与未知类别正则化损失来纠正伪标签噪声积累问题，从而有效实现了无源开放集域适应任务下预训练模型的合理标签空间探索以及域对齐的目标。

(3) 提出了基于预训练模型和因果去偏的方法，利用因果推理的理论知识，定义了灾难性遗忘评估动量以及去偏因子的计算方法，通过动态调整学习率和在伪标签中去偏调整避免预训练知识的遗忘，然后设计了解耦因果对齐实现源域目标域共享知识的无偏对齐和未知类区域的识别，有效解决了预训练模型在开放集域适应任务中的适用性和性能上界的问题。

主要学术成果

[1] Dezhong Li, Guangyi Xiao and Hao Chen. ODPL-CLIP: Open differential prompt learning with CLIP for open-set domain adaptation [J]. Pattern Recognition, 2026, 179: 113563. (SCI 一区, CCF-B期刊, 第一作者)

[2] Dezhong Li, Guangyi Xiao and Hao Chen. APLC: Auto-Clustering and Pseudo-Labeling with CLIP for Open-Set Source-Free Domain Adaptation [C]. IEEE International Conference on Multimedia & Expo, 2026. (EI, CCF-B 会议, 第一作者)

[3] Dezhong Li, Qiujin Yao and Zihan Huang. WaveNet-based deep neural networks for the characterization of anomalous diffusion (WADNet) [J]. Journal of Physics A: Mathematical and Theoretical, 2021, 54(40): 404003. (SCI 三区, 第一作者)

[4] 李德忠，肖光意，陈浩。一种基于预训练视觉-语言模型的差分提示学习技术的开放集域适应图像分类方法。(国家发明专利：实质审查，专利号：CN121415123A，第一发明人)