本文综述了面部表情识别（FER）领域的最新进展，包括深度神经网络、动态人脸表情数据库和半监督学习技术。研究提出了多种新方法和模型，解决了数据标记、类别不平衡及复杂环境下的识别挑战，并在多个标准数据集上展示了优越性能，推动了FER技术的发展。

本研究提出了多种异常检测算法，包括基于半监督学习、主动学习和生成对抗网络的方法。这些方法在不同数据集上表现优异，能够有效减少数据标记量，提高检测精度，适用于网络入侵检测和医学图像分析等领域。

本研究提出了两种解决青光眼患者数据标记问题的方法，包括新型的伪监督器模型和哈佛青光眼检测和进展数据集。研究人员可通过链接获取数据集和代码。

本文提出了一种新的单类学习目标方法，通过正交归一帧子空间来优化数据标记，并在 Dash-Cam-Pose 数据集上进行了实验。

本研究提出了两种解决青光眼患者数据标记问题的方案：一种是半监督学习模型，通过预测未标记样本的伪标签提高模型性能；另一种是引入哈佛青光眼检测和进展数据集，包括1,000例患者的OCT成像数据和标签，可用于公平学习研究。数据集和代码可通过链接获取。