一种结合判别器模型的多阶段标签传播方法

一种结合判别器模型的多阶段标签传播方法，步骤1、基于动态局部尺度，构建自适应权重图，以精准建模样本间的相似性关系；步骤2、设计分阶段标签传播策略，初期传播高置信度标签，后期优化低置信度标签的传播；步骤3、引入ELECTRA判别器模型，通过对比损失优化伪标签生成过程；步骤4、在传播过程中引入收敛检查机制，通过监控标签向量变化确保算法稳定性；步骤5、综合多阶段优化结果，生成最终高质量的标签预测。提升半监督学习中的标签预测准确性和效率。通过动态计算样本点的局部尺度构建自适应权重图，以准确捕捉样本间的关系，并分阶段传播标签。初期快速传播高置信度标签，后期细化低置信度预测，显著减少误传播风险。引入收敛检查机制，通过监控标签向量变化判断迭代稳定性，避免过度拟合。结合预训练的ELECTRA判别器模型和对比损失优化伪标签生成过程，使伪标签更加可靠，提高模型的特征区分能力。提升半监督学习中的标签预测准确性和效率。适用于大规模数据集的标签生成和传播，具有效率高、鲁棒性强的特点。