本研究提出了特征空间语义不变性(FSI)框架，以解决开放集领域泛化中的未知类别样本检测问题。该方法通过保持特征空间中的语义一致性，提高了对未知领域实例的检测准确性。在ColoredMNIST数据集上的实验结果显示，AUROC提升了9.1%至18.9%。

本文提出使用主观逻辑的理论来明确建模确定的预测不确定性和未知类别样本预测的忽略现象，并通过预测 Dirichlet 浓度参数来实现综合的主观意见。实验证明该方法在量化不确定性源和处理灵活识别方面有效。