Este artículo propone un método novedoso, K-Nearest Neighbors Maximum Mean Discrepancy (KNN-MMD), para resolver el problema de adaptación de dominio en el reconocimiento de actividad humana mediante detección inalámbrica. Para superar la limitación de los métodos de alineación de dominio (DAL) existentes, que se centran únicamente en la alineación de la distribución global y no consideran la relación entre categorías, proponemos un método para construir un conjunto de ayuda en el dominio objetivo utilizando KNN y para alinear localmente los dominios de origen y destino dentro de cada categoría utilizando MMD. Además, para resolver el problema de inestabilidad y la dificultad de determinar el punto de parada óptimo durante el proceso de entrenamiento de los métodos existentes, adoptamos una estrategia para excluir el conjunto de soporte del dominio objetivo del proceso de entrenamiento y utilizarlo como conjunto de validación. El método propuesto es adecuado para el aprendizaje de pocos disparos con una pequeña cantidad de datos, y el código y el conjunto de datos están disponibles públicamente.
