论文标题：Robust semi-supervised learning in open environments

期刊：Frontiers of Computer Science

作者：Lan-Zhe GUO, Lin-Han JIA, Jie-Jing SHAO, Yu-Feng LI

发表时间：22 Sep 2024

DOI：10.1007/s11704-024-40646-w

微信链接：点击此处阅读微信文章

引用格式：

Lan-Zhe GUO, Lin-Han JIA, Jie-Jing SHAO, Yu-Feng LI. Robust semi-supervised learning in open environments. Front. Comput. Sci., 2025, 19(8): 198345

阅读原文：

问题概述

半监督学习 (SSL) 旨在通过利用未标记数据来提高标记不足时的性能。传统的半监督学习研究通常假设封闭环境，其中标记数据和未标记数据之间标签、特征、分布等重要因素是一致的。然而，现实世界大量任务涉及开放环境，标记数据和未标记数据存在标签、特征、分布不一致的现象。大量研究指出，利用不一致的未标记数据会导致严重性能下降，甚至比不利用无标记数据的简单监督学习更差。因此，研究开放环境中应对不一致未标记数据的鲁棒半监督学习非常重要。本文对该研究领域的一些进展做了综述性的介绍。

技术步骤

具体包括，有标注数据与无标注数据类别空间不一致的稳健半监督学习方法。

有标注数据与无标注数据特征空间不一致的稳健半监督学习方法。

以及有标注数据与无标注数据数据分布不一致的稳健半监督学习方法。

实验结果

同时作者给出了关于开放环境下半监督学习性能评估的评价指标与相应的评测数据和开源工具包。

期刊简介

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。

中国学术前沿期刊网

http://journal.hep.com.cn