少量标注即高精度
通过能量正则化和软多标记学习，在仅标注少量训练样本的情况下获得更具判别力的特征表示和更高的分类精度。
王慧玲 · 孙俊 · Xiaofeng, Gu · Zunhao, Hu · Chao, Zhou
Neurocomputing 2024
只需标注极少量的样本（k 个）即可达到较高精度，无需大量人工标注。
利用软多标记学习增大类间差异、减小类内差异，从而提升分类精度。
能量正则化使模型更好地拟合数据概率分布，提高特征提取能力。
在多个公开数据集上的实验证明，该方法优于现有最优方法。