典型文献
噪声标签识别与纠正的置信度预测方法
文献摘要：
弱监督场景下的标签噪声广泛存在于现实世界的数据中,导致分类性能下降.测量误差、主观标签偏差和人为标记错误都是导致噪声标签的主要原因.为降低噪声标签对模型分类性能的影响,该文提出一种噪声标签识别与纠正的置信度预测方法(CPRC).首先,定义初始可信样本选择策略,筛选优质的可信样本;然后,建立置信度连接关系,设计标签概率预测方法,推断样本标签置信度;最后,迭代搜索最优置信度样本,实现噪声标签识别和纠正.该文选择在Seeds、Penbase等经典数据集上进行广泛实验,实验结果表明,该文算法可以显著提高不同类型基础分类器在不同噪声比下的分类性能,且性能优于目前先进的噪声标签学习算法.
文献关键词：
噪声标签学习;标签纠正;置信度统计
中图分类号：
作者姓名：
汪敏;伍文静;刘瀚阳;闵帆
作者机构：
西南石油大学电气信息学院,四川成都610500;西交利物浦大学人工智能与先进计算学院,江苏苏州 215123;西南石油大学计算机科学学院,四川成都 610500
文献出处：
引用格式：
[1]汪敏;伍文静;刘瀚阳;闵帆-.噪声标签识别与纠正的置信度预测方法)[J].西北大学学报（自然科学版）,2022(05):857-867
A类：
Penbase,噪声标签学习,标签纠正,置信度统计
B类：
标签识别,弱监督,标签噪声,现实世界,性能下降,测量误差,记错,低噪声,模型分类性能,CPRC,样本选择策略,选优,概率预测,样本标签,迭代搜索,Seeds,分类器,噪声比
AB值：
0.253027
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
