标签噪声学习算法综述
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

国家自然科学基金面上项目(61771075); 长安大学中央高校基本科研业务费专项资金(300102249203)


Review on Label Noise Learning Algorithms
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    机器学习中, 训练样本的标签质量严重影响着分类算法的最终效果. 虽然干净的标签产生的效果相对来说比较好, 但是采集和使用时却费时费力. 因此为了节约成本, 同时也为了使模型能够适应于一般情况, 研究人员逐渐开始针对普通类数据进行学习, 即带有标签噪声的数据. 虽然近些年有些许著作专门针对标签噪声进行研究, 但是缺乏对其的全面分析. 基于此, 本文首先对标签噪声进行简要而全面的介绍, 然后对近几年标签噪声的学习算法分别进行显式、隐式两个方面的分析, 并做出总结, 最后对未来标签噪声的研究做出展望.

    Abstract:

    In machine learning, the label quality of the training samples seriously affects the final effect of the classification algorithms. Although the effect of a clean label is relatively good, it takes time and effort to collect and use. Therefore, in order to save costs and make the model adapt to the general situation, researchers gradually began to learn from ordinary data, that is, data with label noise. In recent years, although some works have been devoted to label noise, they lack comprehensive analysis. Based on this, this paper first introduces the label noise briefly and comprehensively, then analyzes the learning algorithms of tag noise in recent years explicitly and implicitly, and summarizes them. Finally, we look forward to the future research on label noise.

    参考文献
    相似文献
    引证文献
引用本文

王晓莉,薛丽.标签噪声学习算法综述.计算机系统应用,2021,30(1):10-18

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-06-05
  • 最后修改日期:2020-06-30
  • 录用日期:
  • 在线发布日期: 2020-12-31
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号