本研究提出了一种新的自适应框架OE-FSMC，旨在解决因隐私和安全问题导致的类别不平衡。该框架通过整合易获取的超出分布数据，成功平衡了训练分布，并验证了其在提升模型压缩精度方面的有效性。

本研究提出自适应$^2$框架，旨在解决在线广告中的领域数据分布变化问题，通过自我监督学习自动识别领域，展示其商业价值与潜力。

本研究提出了一种自适应框架，通过生成注意力掩模，提高对抗攻击的隐蔽性、效率和可解释性，优于现有方法。

本研究提出了AdaptoML-UX自适应框架，旨在解决自动机器学习工具在用户友好性和效率上的不足，帮助非AI专家高效开发用户中心的机器学习模型，节省时间和资源。

研究提出了一种共同外观-边界自适应框架，通过内在图像分解将白天和夜间图像嵌入反射对齐的共同空间，实现外观自适应。反射图像的相似运动分布有助于知识传递。在边界自适应中，理论分析了夜间图像与事件的运动相关性，时空梯度图的差异促进边界知识传递。两种自适应方式互补，提升夜间领域的运动和边界知识传递。

本文提出了一种新颖的室内三维物体检测框架OHDA，通过数据增强和自适应框架实现域对齐，取得了显著的改进。

该研究提出了一种基于自适应框架的医学超声图像分割方法，性能优于现有方法，为自动化医学超声辅助诊断提供了可能性。