双阶段标签传播正选算法
极少标签高可信
一种半监督免疫检测器生成算法，利用少量标签和大量无标签样本，通过双阶段标签传播逐步消歧，显著提升检测器对非我样本的识别率。
陈文 · Yiyao, Yang · 刘亮
Knowledge-Based Systems 2025
参数信息
- 平均真阳率提升幅度（vs DGA-PSO）
- 23 %
- 平均真阳率提升幅度（vs SA-PSA）
- 19.5 %
- 平均真阳率提升幅度（vs HI-Detector）
- 16.5 %
- 非我样本真阳率提升幅度（vs co-PSA）
- 30 %
- 初始标签比例
- 0.1 ‰
技术优势
极少标签就能训练
双阶段标签传播从少量初始标签出发，通过k近邻和偏标签学习逐步为无标签样本分配高可信标签，缓解标签不足问题。
非我样本识别更准
与co-PSA相比，在0.1‰初始标签下T_PS相近，但T_PN提升30%，说明DE-PSA对非我样本的识别能力显著增强。
比主流算法更准确
在10个标准数据集上，平均真阳率分别比DGA-PSO、SA-PSA、HI-Detector高23%、19.5%、16.5%。
应用场景
- 异常检测：在标签稀缺场景下快速构建检测器，识别新型异常模式。
- 生物信息识别：仅需极少数标注样本，即可训练用于身份验证的自我/非我分类器。
- 智能安全系统：部署到安全系统中，用少量标签数据实现入侵或威胁检测。
- 故障诊断：利用未标记运行数据辅助训练，提高故障样本的检出率。