摘要：异常检测旨在识别偏离预期行为模式的数据.虽然半监督异常检测方法可以充分利用有限的标签数据作为先验知识来提高检测准确性,但是收集到的标记异常(即已知异常)很难覆盖所有类型的异常并且在现实场景中往往存在着一些新型的异常(即未知异常),这些异常可能与已知异常表现出不同的特性,因此难以被现有的半监督异常检测方法识别.针对该问题,提出了一种基于半监督学习的未知异常检测(semi-supervised unknown anomaly detection,SSUAD)方法,旨在同时识别已知异常和未知异常.该方法利用闭集分类器对已知异常和正常分类,利用未知异常检测器检测未知异常.此外,还考虑了异常场景中异常和正常极端不平衡的情况,设计了有效的数据增强方法来扩充异常样本的数量.在UNSW-NB15和KDDCUP99数据集以及一个真实数据集SQB上进行了实验,实验结果表明,相较于现有的异常检测方法,SSUAD在异常检测性能指标AUC-ROC(area under receiver operating characteristic curve)和AUC-PR(area under precision-recall curve)上都有明显的提升.证明了SSUAD的有效性和合理性.

摘要：本文针对半监督场景中极度匮乏的监督信号导致的标签传播困难、模型训练严重受噪声干扰等问题展开研究。伪标签化带来的噪声和低数据利用率导致的确认偏差,会随着自训练过程造成错误累积,进而形成不可逆偏差,损害性能。本文提出基于样本动态权重的课程式半监督学习方法,旨在通过非离散的课程设计,鼓励模型由简单至困难地利用样本,逐步构建分类面,进而缓解伪标签化过程中的噪声产生,增强模型泛化能力。从类内角度,提供弱监督信号的高置信度伪标签被混合用于构建特征原型,估计样本的学习难度。从类间角度,标签嵌入被用于评估类间语义相关度,课程式地减弱训练前期对语义相关类别间的辨别。在通用的半监督学习基准数据集上进行了广泛的实验和分析,证明了方法的有效性。

摘要：大部分偏标记学习方法假设所有训练样本都具有候选标记集,然而在许多现实场景下存在大量无标记样本.如何同时利用偏标记和无标记样本所隐含的信息构建学习模型,是偏标记半监督学习研究的关键问题.针对只含有少量标记样本、偏标记样本和大量无标记样本的图像分类问题,运用一致性正则化方法和伪标记方法建立深度学习模型.对于偏标记和无标记样本,基于其弱增强的输出结果生成伪标记,且偏标记样本的伪标记限制于其候选标记集中.研究设计了新的损失函数,包含3个损失项,可以同时利用数据中的监督信息、弱监督信息和无监督信息.为了提高参与训练过程样本的可靠性,只选择高置信度伪标记的样本来计算两种增强后的输出交叉熵损失.实验结果说明,该方法(CR-SSPL)比现有半监督学习SOTA方法FlexMatch和偏标记学习代表方法具有更高的精度和稳定性,收敛速度也有明显提升.

摘要：为应对网络攻击事件日益高发等难题,以自适应增强算法为基础,采用自我训练方式设计一种基于半监督学习的网络攻击检测算法。基于所提算法设计网络攻击检测系统,该设计系统主要包含数据采集、处理及检测单元。实验结果表明,在KDDTest数据集上,所提算法的准确率、精确率及召回率3项指标均高于半监督STBooost算法。在系统检测性能测试中,攻击流量的检测准确率均高于94.0%,满足网络攻击检测系统对设计准确率的要求。

摘要：为增强系统主机对于新能源运行错误数据的准确辨别能力,避免数据信息错误分拣,设计了基于半监督学习的新能源运行错误数据辨识系统。借助PT-LAB处理平台,平衡数据分辨模块与运行指令分析模块间的新能源运行错误数据传输关系,实现辨识系统的硬件运行环境搭建。根据半监督支持向量取值结果,求解UCI学习参数的计算数值,并根据参数向量之间的实时映射关系,确定数据库E-R图的连接形式,完成辨识系统的软件运行环境搭建。结合相关硬件设备结构,实现基于半监督学习的新能源运行错误数据辨识系统设计。对比实验结果表明,在半监督学习算法的影响下,系统主机对于待传输新能源运行错误数据的提取准确度超过了90.0%,能够较好地解决数据信息的错误分拣问题。

摘要：植物叶片自动识别算法在植物教学和生态保护等领域有着广泛应用,但由于植物种类繁多且类间差异小,传统深度学习方法需要大量的数据标注才能获得较好的训练效果.为此,提出一种基于深度半监督学习的植物叶片自动识别方法.首先,基于一致性正则化思想,为提升数据扰动质量设计了显性、隐性数据扰动流程;然后,运用深度特征提取网络DenseNet,有效地提升了植物叶片细粒度特征的辨别能力;最后,基于模拟退火训练策略过滤训练过程中的异常数据,从而缓解过拟合现象.在分别含有5284幅和18000幅植物叶片图像的公开数据集MalayaKew-D3和私有数据集LeafSZU-2021中获得的实验结果表明,与全量标注数据下监督学习模型相比,该方法在仅使用30%~50%标注数据量时,仍能达到92.36%~96.85%的植物叶片识别准确率;在相同数据标注量下,其平均识别准确率比当前最新的半监督球面均值聚类方法提高了2.95%,且模型参数量降低了38.12%,识别速度提高了61.51%.

摘要：为实现不同数据管理系统之间的互通,提出一种基于半监督学习算法的多源异构数据治理框架,并由此设计、实现和测试了一套非结构化数据与结构化数据的自动化对齐方法。利用命名实体识别(NER)技术,将非结构化数据转化为结构化数据,再分别利用基于字符串相似度的方法和基于监督学习的方法,对结构化数据进行模式匹配;通过半监督学习方法,在结构化数据与数据库记录实体之间进行实体匹配与融合;利用自然语言处理(NLP)技术及深度学习方法,对融合后的数据集进行缺失值填补。结果表明:在论文数据集和视频元数据集上进行对齐处理后,两者的F1值分别达到89.70%及96.50%;在不同属性上进行缺失值填补后,整体填补准确率达到78%以上,大大优于基线方法的准确率。

摘要：为解决深度学习类配电网故障辨识方法在量测不足和标记率低时准确率不高的问题,提出了基于图半监督与多任务学习的故障区段与类型统一辨识方法。首先,设计了故障区段与类型统一辨识的图神经网络架构,在图嵌入层中融入网络拓扑和线路参数信息,以充分挖掘不同位置、类型的故障特征。其次,采用多任务注意力网络构建了故障区段定位和类型辨识两个任务,以提取故障的多重信息,实现不同任务间知识转移。再次,将图嵌入特征与无标签样本的编码压缩特征进行融合,得到新的多任务共享特征,以充分利用未标记数据,增强模型泛化能力。最后,通过算例测试表明,所提方法的故障辨识精度优于传统神经网络,且在实时量测少、标签率低及不同量测噪声条件下具有更好的鲁棒性。

摘要：在过去几年中,半监督学习(SSL)已经应用于许多实际应用。最近,分布式图半监督学习(DGSSL)已显示出良好的性能。当前的DGSSL算法通常存在图构造效率低和掉队效应的问题。本文提出了一种新的编码DGSSL(CDGSSL)来解决这些问题。我们首先提供了一种新的矩阵完成的并行分布式解决方案,用于高效的图构造。然后,我们基于编码理论开发了CDGSSL算法。具体而言,所提出的算法由两部分组成,我们分别基于最大距离可分离(MDS)码进行设计。总的来说,所提出的编码分布式算法是有效的和抗掉队的。此外,我们还为所提出的算法提供了最优参数设计。在阿里云弹性计算服务(ECS)上的实验结果证明了该算法的优越性。

摘要：目前监测驾驶员视线区域的算法通常采用深度学习端模型直接对图像特征分类,此方法依赖固定座舱视角下采集的驾驶员视线区域数据,但由于驾驶员外形特征差异、坐姿习惯差异和摄像头安装位置差异的影响,难以获取大量且全面的数据,导致分类精度降低的问题,如何仅采用小样本数据集提升视线区域识别精度成为难题。本文将基于半监督学习理论设计一种自适应的视线区域标定方法。首先采用L2CS模型回归小样本数据中驾驶员视线角度二维向量,再通过统计分析挖掘驾驶员视线角度和视线区域映射的泛化先验知识,利用该知识进行视线区域标定,剔除非待检区域的无效视线落点,并以滑动窗口方式完成针对驾驶员个人的视线区域精细化分类。经试验证明,该方法解决了端模型数据跨域能力低下的问题,准确率和召回率分别提升22.4%和10.3%,且标定结果具有自适应修复能力。