General Supervised Learning Framework for Open World Classification

Sai Krishna Theja Bhavaraju

doi:10.1613/jair.1.20947

General Supervised Learning Framework for Open World Classification

2026-04-07

0

PRE

AI

S

Sai Krishna Theja Bhavaraju

B

Basiri, Mohammad Amin

N

Nicholson, Charles *

DOI：10.1613/jair.1.20947

原文链接

原文求助

摘要

En 中文

开放世界分类的监督学习中，训练数据相对于应用领域中的全部相关类别而言是不完整的。现有关于此问题的研究大多集中在计算机视觉领域，且许多提出的方法与特定的机器学习算法或数据类型密切相关。然而，现实世界的开放世界场景可能出现在各种问题背景下，每种场景都有其独特的数据类型和分类器需求。尽管现有研究强调识别未知集合或类别，但并未充分解决自动对这些新类别进行分类以及更新预测模型的问题。本研究提出一个框架，涵盖开放世界分类流水线的所有方面。所提出的方法与数据和模型无关，使其在不同领域具有通用性。该框架能够自动将未知实例识别并归类到不同的新类别中，同时动态更新预测模型而无需人工干预。我们在包括图像、文本和传感器数据在内的多种数据类型上评估了该框架，通过实验证明其有效性，准确率提升了27至69个百分点。为评估鲁棒性并提供实用指导，我们进行了全面的敏感性分析，考察了关键参数的影响，包括已知类别数量、切比雪夫置信参数、项集大小参数和基础分类器质量。此外，我们通过一项关于灾难响应社交媒体分析的案例研究提供了实际应用的见解，突显了该框架在实际场景中的适应性。

Keyword:

DISASTER RESPONSE

MANAGEMENT

TWITTER

RATIO

POWER

General Supervised Learning Framework for Open World Classification

摘要

期刊

机构

引用论文