تواجه طرق التجميع غير المراقبة للصور غالبًا تحديات تتمثل في تقديم أهداف بديلة لتدريب النموذج بشكل غير مباشر، وهي عرضة للتنبؤات الخاطئة والنتائج المفرطة الثقة. لتجاوز هذه التحديات، تقترح البحوث الحالية نموذجًا مبتكرًا يُعرف بـ RUC، مستوحى من التعلم القوي. يتميز نموذج RUC باستخدام العلامات الوهمية لأنماط التجميع الحالية للصور كمجموعة بيانات ضوضائية قد تحتوي على عينات مصنفة بشكل خاطئ. يمكن أن يعيد عملية إعادة التدريب لهذا النموذج مراجعة المعرفة غير المنسجمة ويخفف من مشكلة الثقة الزائدة في التنبؤات. يتيح الهيكل المرن للنموذج استخدامه كوحدة إضافية مع طرق أخرى للتجميع، مما يساعدها على تحقيق أداء أفضل في عدة مجموعات بيانات. تظهر التجارب الواسعة أن النموذج المقترح يمكنه ضبط ثقة النموذج بشكل أفضل وبشكل أكثر دقة، والحصول على صلابة إضافية ضد الضوضاء المعادية.