一种基于自训练的众包标记噪声纠正算法
文献类型：期刊论文
| 作者 | 杨艺; 蒋良孝; 李超群 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:4页码:830-844 |
| 关键词 | 众包学习 自训练 集成标记 标记噪声 噪声纠正 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c210051 |
| 英文摘要 | 针对众包标记经过标记集成后仍然存在噪声的问题,提出了一种基于自训练的众包标记噪声纠正算法(Selftraining-based label noise correction, STLNC). STLNC整体分为3个阶段:第1阶段利用过滤器将带集成标记的众包数据集分为噪声集和干净集.第2阶段利用加权密度峰值聚类算法构建数据集中低密度实例指向高密度实例的空间结构关系.第3阶段首先根据发现的空间结构关系设计噪声实例选择策略;然后利用在干净集上训练的集成分类器对选择的噪声实例按照设计的实例纠正策略进行纠正,并将纠正后的实例加入到干净集,再重新训练集成分类器;重复实例选择与纠正过程直到噪声集中所有的实例被纠正;最后用最后一轮训练得到的集成分类器对所有实例进行纠正.在仿真标准数据集和真实众包数据集上的实验结果表明STLNC比其他5种最先进的噪声纠正算法在噪声比和模型质量两个度量指标上表现更优. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56171]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 杨艺,蒋良孝,李超群. 一种基于自训练的众包标记噪声纠正算法[J]. 自动化学报,2023,49(4):830-844. |
| APA | 杨艺,蒋良孝,&李超群.(2023).一种基于自训练的众包标记噪声纠正算法.自动化学报,49(4),830-844. |
| MLA | 杨艺,et al."一种基于自训练的众包标记噪声纠正算法".自动化学报 49.4(2023):830-844. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。