本文提出了一种新颖的自监督迁移学习方法——分布匹配（DM），旨在提升目标分类任务的性能。DM通过保持数据增强的不变性，推动表示分布向预定义参考分布，从而在多个数据集上实现优异的分类效果。研究表明，DM在样本量有限的情况下仍能表现出色。