T∕GXDSL 109-2025 小数据增强算法技术要求与测试方法

ICS35020I6519

T/GXDSL团 体 标 准T/GXDSL109—2025小数据增强算法技术要求与测试方法TechnicalRequirementsandTestingMethodsforSmallDataAugmentationAlgorithms2025-12-5发布 2026-3-5实施广西电子商务企业联合会 发布PAGE\*ROMANPAGE\*ROMANIIT/GXDSL109—2025目  次前  言 II一、引言 1二、范围 1三、规范性引用文件 1四、术语和定义 2五、技术要求 4六、测试方法 5七、质量评估 5八、实施要求 6九、安全管理 6十、附则 7T/GXDSL109—2025前  言本文件依据GB/T1.1-20201草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由广西产学研科学研究院提出。本文件由广西电子商务企业联合会归口。本文件为首次发布。PAGEPAGE1T/GXDSL109—2025小数据增强算法技术要求与测试方法一、引言6二、范围35%50%40%。本标准适用85%90%95%以上。通过本三、规范性引用文件GB/T5271.31-2025信息技术人工智能术语GB/T38667-2025信息技术人工智能机器学习模型及系统质量评估规范GB/T39335-2025信息技术人工智能机器学习服务平台技术要求T/GXDSL109—2025GB/T40685-2025信息技术人工智能深度学习框架评估规范ISO/IEC23053:2025人工智能机器学习系统框架IEEEStd2851-2025人工智能数据质量标准ISO/IECTR24028:2025人工智能可信度概述GB/T41864-2025信息技术人工智能算法伦理风险评估规范四、术语和定义（一）小数据增强（3-5（）90（如准确率、F135（及可解释性（增强逻辑可追溯）要求。（二）数据生成算法Flows）、扩散模型（DiffusionModels）以及自回归模型等。该类算法通（FIDIS85（基于特征空间覆盖率计算）（MMDKLGPU1000（224×224）4GB。生成样本还MO≥4.5%。（三）数据变换算法T/GXDSL109—2025（（（（即变换后样本仍保持原有标签语义95（即参数范围符合领域先验且避免极端失真90（如可通过可视化或统计检验说明变换合理性）85%以上。同时，要求支持变换策略组合（10种以上基础变换的任意组合（根据样本特性动态调整变换强度且变换过程耗时10%。（四）数据融合算法（如基于注意力（（如多视图学（25（相较于最佳单源数据100GB（标准服务器配置（即多次运行结果方差＜5%）95（支持新数据源动态加入（自动处理不同源间的标注冲突或分布冲突（可追踪每个输出样本的数据来源及融合权重）。（五）增强有效性评估系统性评价小数据增强算法性能的指标体系，涵盖数量指标（如增强倍数、样本总量）、质量指标（（）3（如分类、（如传统数据扩增的对比分析；所有评估结果需可复现（实验代码及环境需开源或可提供）。（六）样本多样性指数T/GXDSL109—2025（ImageNetResNet-50）提取所有样本的特征向量；随后计算特征向量的聚类质量（如轮廓系数≥0.7）、类别间差异度（90%）以及特征空间覆盖率（85%）0.8（归一化至[0,1]区间），0.1（七）分布一致性度量WassersteinKL（MMD）不得超过原始数据自（bootstrap15%（p0.05）证明无显著分布偏移。此外，对于条件分布（如每类样本的分布）0.05。（八）增强可解释性（如使用了哪些变换规则及参数（如通过显着性图谱（如图像增强需可逆显示变换过程（如领域专家评分≥4.5/5）及自动化指标（LIMESHAP80%）共同验证。五、技术要求FID25.0，IS35.0，KID0.05908510004GB，GPU85%以上。在数据变换方面，变换效果要求：变换后数据有效性达到95%以上，标签保持率98%以上，分布一T/GXDSL109—2025901095%的使用场景，100013095%以上，信息损失5100GBCPU70%，内存使用效85%95%9098%以上。六、测试方法FID、IS、KID1000035%0.01100000725CPUGPUTPU等，测试兼容性和性能表现。3（p-value<0.05）5七、质量评估3MOS（平均意见分）90%以上。定量指标评FID、IS、KID实用性评估包括下游任务性能提升和计算效率评估。下游任务性能要求在使用增强数据后，模型准T/GXDSL109—202515%3025%。计算效率要求增强处理时间在可接受范围内，资源消耗与性能提升成正比。10%。八、实施要求PEP890951005%。部署要求支持多种部署方式，包括本地部署、云端部署、边缘部署等。接口要求提供标准化API100至少一次版本更新，每年一次大版本升级。兼容性要求支持主流深度学习框架，包括TensorFlow、PyTorch、PaddlePaddle九、安全管理9998%95%以上。隐私保护要求个人信100100GDPR审计监督要求建立完整的操作日志，记录所有数据访问和算法使用情况。日志保存期