전통적인 비지도 도메인 적응(unsupervised domain adaptation) 문제에서는 타겟 도메인과 소스 도메인이 동일한 클래스 집합을 공유한다고 가정한다. 그러나 실제 상황에서는 타겟 도메인 데이터가 소스 도메인 클래스의 부분 집합에서 나왔으며, 타겟 데이터가 레이블링되지 않았기 때문에 어떤 클래스에 속하는지 알 수 없는 경우가 존재한다. 이러한 문제는 문헌에서 부분 도메인 적응(Partial Domain Adaptation, PDA)으로 정의되며, 관련 없는 클래스에 속한 소스 도메인 데이터가 도메인 적응 과정에 악영향을 미치는 부정적 전이(negative transfer) 문제로 인해 도전적인 과제로 간주된다.본 연구에서는 소스 도메인 내 이상치 클래스(outlier classes)를 점진적으로 탐지함으로써 PDA 문제를 해결한다. 그 결과, PDA는 부정적 전이 문제 없이 해결할 수 있는 더 간단한 비지도 도메인 적응 문제로 축소된다. 구체적으로, 국소성 보존 투영(locality preserving projection)을 활용하여 타겟 도메인 데이터에 대해 레이블 전파(label propagation) 알고리즘을 적용할 수 있는 잠재적 공통 부분공간(latent common subspace)을 학습한다. 만약 특정 클래스에 대해 타겟 도메인 데이터가 레이블링되지 않는다면, 해당 클래스는 이상치 클래스로 식별된다. 이후 이상치 클래스를 소스 도메인에서 제거하고, 이 과정을 반복하여 수렴할 때까지 반복한다. Office31 및 Office-Home과 같은 일반적으로 사용되는 데이터셋에서의 실험 결과, 제안하는 방법은 평균 정확도 98.1%와 75.4%를 각각 달성하며 기존의 최고 성능 기법들을 상회함을 입증하였다.