多粒度标签增强
同时利用粗粒度和细粒度标签信息，并引入多流形正则项，更准确地刻画未标注样本的分布，提升半监督分类的稳定性。
Shi, Zhaoyin · Yingjie, Luo · Xin, Liu · 陳龍 · Ding W. · Xiaopin, Zhong · 吴宗泽 · Philip Chen, Chun Lung Philip
IEEE Transactions on Emerging Topics in Computational Intelligence 2025
引入随机傅里叶特征强化了传统宽度模型的特征提取能力，能更好地捕捉数据中的非线性结构。
模型改进后仍可使用与原模型完全相同的优化方法，保持了宽度学习系统优雅高效的随机性，且验证了低复杂度快速收敛算法。
多粒度标签策略同时利用粗粒度和细粒度标签信息，增强了模型对未标注样本的可解释性。