本文提出了利用不变特征子空间恢复（ISR）实现域泛化的算法。ISR-Mean和ISR-Cov可以从一阶和二阶矩中识别不变特征所涵盖的子空间，并在训练集为d_s+1时实现可证明的域泛化。相比Invariant Risk Minimization (IRM)，ISR算法避免了非凸性问题，并具有全局收敛性保证。实验结果表明ISR算法在合成基准测试和图像与文本三个真实数据集上，都能作为简单但有效的后处理方法来提高训练模型对假冗余和组偏差的最坏情况准确性。

该文介绍了不变特征子空间恢复（ISR）算法，可实现分类和回归问题的可证明领域泛化。ISR-Mean算法通过类条件分布的一阶矩来识别不变特征子空间，并在多个训练环境下实现可证明的领域泛化。