本文提出了一种基于全局和本地聚类的学习技术（GLC），用于识别已知数据样本并拒绝未知样本。研究表明，该方法在开放部分集领域自适应（DA）中表现优越，提升了性能。此外，广义源自由域自适应（G-SFDA）方法通过局部结构聚类和稀疏域注意力优化特征通道激活，取得了先进的实验结果。