La adaptación de dominio de múltiples fuentes (MSDA) juega un papel importante en la generalización del modelo industrial. Los esfuerzos recientes en relación con MSDA se centran en mejorar la alineación distribucional multi-dominio mientras omiten tres problemas, como la cuantificación de la discrepancia a nivel de clase, la falta de etiquetas pseudo ruidosas y la discriminación de la transferibilidad de la fuente, lo que podría resultar en un rendimiento de adaptación subóptimo. Por lo tanto, abordamos estos problemas proponiendo un método de agregación de prototipos que modela la discrepancia entre los dominios fuente y objetivo a nivel de clase y dominio. Nuestro método logra la adaptación de dominio basada en un grupo de prototipos (es decir, incrustaciones de características representativas). Se diseña una estrategia basada en la puntuación de similitud para cuantificar la transferibilidad de cada dominio. A nivel de clase, nuestro método cuantifica la discrepancia específica de clase a través de dominios cruzados de acuerdo con etiquetas pseudo objetivo confiables. A nivel de dominio, nuestro método establece la alineación distribucional entre muestras objetivo con etiquetas pseudo ruidosas y los prototipos del dominio fuente. Por lo tanto, la adaptación a nivel de clase y dominio establece un mecanismo complementario para obtener predicciones precisas. Los resultados en tres benchmarks estándar demuestran que nuestro método supera a la mayoría de los métodos de vanguardia. Además, proporcionamos una mayor elaboración del método propuesto a la luz de los resultados interpretables obtenidos de los experimentos de análisis.