本文研究了层次分类标签在分类器学习中的有效性，提出多种方法提升半监督和全监督多类别分类器性能。实验表明，基于对比学习的混合网络在处理不平衡数据时表现优越，层次化多标签学习框架在多项任务中显著提高了分类精度。

本文比较了全监督和半监督机器学习在CAN消息异常检测中的性能，提出了一种基于深度自编码器的半监督学习方法。研究表明，全监督方法，特别是基于XGBoost的模型，在准确度和精确度上优于其他方法。