近日，烟台大学计算机与控制工程学院刘惊雷教授团队在国际著名期刊 IEEE Transactions on Image Processing （TIP）上发表研究论文“Dual-Space Topological Isomorphism and Maximization of Predictive Diversity for Unsupervised Domain Adaptation”。IEEE TIP是中科一区TOP期刊，CCF推荐A类期刊，其在2024-2025年影响因子为13.7。论文的第一作者:烟台大学研究生王梦如，通讯作者：刘惊雷教授。此项研究受到国家自然科学基金62572420，62273290，61572419的资助。

该研究针对跨域图像分类问题中，因图像数据分布差异导致模型在新域性能下降的现象，摒弃传统方法将不同域特征对齐到单一共享空间的思路，使用“双空间拓扑同构”（DTI）范式，利用可逆神经网络在源域和目标域之间建立一种精确双向映射关系。由于该映射具有可证的可逆性与连续性，从而在域对齐过程中保留了数据固有的拓扑结构，实现了更精确的图像分类效果。

此外，针对图像分类预测结果容易坍缩到少数几个类别的“模式坍塌”问题，团队进一步提出了“最大化预测多样性”（MPD）策略，通过设计的去模式坍塌约束函数，促使模型在目标域上生成多样化的类别预测，从而提升模型的泛化能力。两项创新协同作用，为跨域图像分类提供了一个兼顾结构保持与决策均衡的全新解决方案。

该项成果的发表，彰显了计控学院在人工智能基础理论与应用研究方面的深厚实力，也是计控学院长期坚持高质量研究生培养和前沿科学探索的又一力证。

论文链接：https://doi.org/10.1109/TIP.2025.3608670

作者：郑强   责任编辑：马文明   审核：段昕