基于距离的样本权重增强半监督深度学习分类

本研究解决了半监督深度学习中有限标记数据的问题，通过引入基于距离的加权机制，优先考虑与测试数据接近的关键训练样本。该方法通过集中关注最具信息量的实例，提高了模型的泛化能力和鲁棒性，实验结果表明在多个基准数据集上显著提升了分类性能，有助于解决数据限制带来的挑战。

本研究通过引入基于距离的加权机制，解决了半监督深度学习中有限标记数据的问题，显著提升了模型的泛化能力和鲁棒性。

分类性能加权机制半监督半监督深度学习泛化能力鲁棒性