本发明提出了一种无监督的两阶段领域自适应方法。该方法利用不断更新的目标域投影子空间增强伪标签的准确度，同时将精确化后的伪标签反馈至目标域投影子空间，两个阶段交替更新，能够得到一个对分类性能最优的判别子空间。具体地，在第一阶段使用两个投影子空间将源域和目标域数据映射到相应地低维子空间内，同时利用基于MMD的特征对齐损失函数聚类来自跨域类别空间中同类别的样本，进一步减少条件分布差异，并在目标域投影子空间内根据所有样本的语义信息(源域为标签信息，目标域为伪标签信息)和两个样本点之间的距离信息构建图正则项，保持原始数据的邻近信息。第二阶段利用第一阶段得到的子空间投影训练SVM分类器，计算目标域样本的伪标签，并将精确化后的伪标签反馈至第一阶段。本发明的优点是考虑了知识迁移过程中的几何结构信息和先验标签信息，能够有效提升图像分类的准确度。