本发明公开了一种基于双重不平衡场景下的无监督域适应方法，该方法在领域间迁移能容忍数据不平衡的知识，帮助无标签的不平衡数据达到较好的分类效果，其主要由三个部分组成，类对比知识迁移、类关联知识迁移和判别型的特征对齐；构建了一个端到端的网络模型，将源域数据样本和目标域数据样本输入到共同的特征提取器中，减少判别型的最大均值差异，使得跨域的相同类对齐、不同类分离；采用类对比损失来限制特定类样本的分类得分应该高于其他类样本的分类得分，减少对标签分布的依赖，减轻数据不平衡对模型的影响，从源域数据样本中学习类之间的相关性向量，将类间的关联知识也迁移到目标域中，进一步提高模型的泛化性能。