最近，時間動作定位（TAL）在信息檢索領(lǐng)域引起了廣泛關(guān)注。然而，現(xiàn)有的監(jiān)督/弱監(jiān)督方法嚴(yán)重依賴于大量的標(biāo)記時間邊界和動作類別，這既費時又費力。盡管一些無監(jiān)督方法采用了“迭代聚類和定位”的范式來進行TAL，但它們?nèi)匀淮嬖趦蓚�主要問題：1）視頻聚類的置信度不足；2）用于模型訓(xùn)練的視頻偽標(biāo)簽不可靠。為了解決這些問題，我們提出了一種新的自定進度的迭代學(xué)習(xí)模型，以同時增強聚類和定位訓(xùn)練，從而實現(xiàn)更有效的無監(jiān)督TAL。具體來說，我們通過探索具有上下文魯棒性的視覺信息來提高聚類的置信度。隨后，我們設(shè)計了兩種（恒速和變速）增量實例學(xué)習(xí)策略，以便從簡單到復(fù)雜的模型訓(xùn)練，從而確保這些視頻偽標(biāo)簽的可靠性，并進一步提高整體定位性能。在兩個公共數(shù)據(jù)集上的廣泛實驗表明，我們的模型優(yōu)于幾款最先進的競爭模型。