标注成本大幅降低
结合鲁棒无监督主动学习与标签传播，在水质监测数据上以极少标注样本构建可靠监测模型。
Zesen, Wang · 李勇刚 · 杨超 · 朱红求 · 周灿
Advanced Engineering Informatics 2024
结合数据重构、低秩表示和流形学习，在初始样本很少时也能选出最有代表性的样本标注。
无需初始模型，主动学习从无监督出发，避免小样本下模型偏差导致选样失误。
通过标签传播给未标注样本分配伪标签，进一步扩充训练集，提升模型性能。
主动学习选出的标注节点直接作为图模型节点，强化标签传播效果。