开放集学习

开放集学习（Open Set Learning, OSL）是在现实世界中更具挑战性的机器学习设置，其目标是处理测试样本中包含未在训练阶段出现的新类别的情况。与传统监督学习不同，OSL不仅要求模型对已知类别的样本进行准确分类，还需有效识别并拒绝未知类别的样本。这一技术在安全监控、医疗诊断等领域具有重要应用价值，能够提升系统的鲁棒性和泛化能力。