摘要
现有的领域适应方法主要集中在具有类别索引的领域之间的知识迁移（例如，数据集A和B之间）。然而，许多任务涉及连续索引的领域。例如，在医疗应用中，通常需要在不同年龄的患者之间进行疾病分析和预测的迁移，其中年龄作为连续领域的索引。这类任务对先前的领域适应方法构成了挑战，因为它们忽略了领域之间的潜在关系。本文提出了一种针对连续索引领域适应的首创新型方法。我们的方法结合了传统的对抗适应技术和一种新颖的判别器，该判别器建模了编码条件下的领域索引分布。理论分析表明，利用领域索引生成跨连续范围领域的不变特征具有重要价值。实验结果表明，我们的方法在合成数据集和真实世界医疗数据集上均优于当前最先进的领域适应方法。