资料下载
×
噪声样本标签重标注方法综述
消耗积分:0 |
格式:pdf |
大小:1.91 MB |
2021-05-28
分享资料个
样本标签的完整性对于有监督学习问题的分类精度有着显著影响，然而在现实数据中，由于标注过程的随机性和标注人员的不专业性等因素，数据标签不可避免地会受到噪声污染，即样本的观测标签不冋于真实标签。为降低噪声标签对分类器分类精度的负面影响，文中提出一种噪声标签纠正方法，该方法利用基分类器对观测样本进行分类并估计噪声率，以识别噪声标签数据，再利用基分类器的分类结果对噪声标签样夲进行重新标注，得到噪声标签样本被修正后的样本数据集。在合成数据集与真实数据集上的实验结果表明，该重标注算法在不冋基分类器和不冋噪声率干扰下对分类结果都有一定的提升作用，在合成数据集上对比无降噪声算法，其正确率提升5%左右，而在 CIFAR和 MNIST数据集上的高噪声率环境下，该重标注算法的F1值比Elk8和Nat13平均高7%以上，比无噪声算法高53%。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
