基于宽度学习系统的高效半监督异常检测算法

本发明公开了一种基于宽度学习系统(BLS)的高效半监督异常检测方法，属于人工智能技术领域，特别是在金融、网络安全及工业设备监控等领域的异常检测应用。该方法通过构建高效的样本对及软标签机制，结合BLS体系架构，在减少计算复杂度的同时显著提高训练效率和检测精度。不同于传统深度学习方法，BLS通过一次性伪逆求解计算最优权重，避免了迭代训练的计算瓶颈，能大幅提高处理速度和精度。此外，创新地提出了多级软标签机制，使得模型在处理未标记数据时具备更高的鲁棒性和泛化能力。本发明能够在异常检测任务中有效提升准确率和大幅提升训练速度。