稀缺异常样本下高检测精度
利用样本梯度反转与累积分布函数加权，在已知异常样本稀缺的条件下有效融合正常样本并隔离异常。
Jingkai, Chi · Mao, Zhingzhong
Engineering Applications of Artificial Intelligence 2025
模型采用弱监督设置，专门针对已知异常样本有限的情况设计，从而降低数据标注成本。
样本级梯度反转策略在域适应中有效整合正常样本并隔离异常样本，优化了稀缺异常数据的利用。
基于累积分布函数的权重计算方法利用样本特征分布模式，提升了对未知样本的利用，从而提高检测精度。