CASIA OpenIR  > 学术期刊  > 自动化学报
一种基于自训练的众包标记噪声纠正算法
杨艺; 蒋良孝; 李超群
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:4Pages:830-844
Abstract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.
Keyword众包学习 自训练 集成标记 标记噪声 噪声纠正
DOI10.16383/j.aas.c210051
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56171
Collection学术期刊_自动化学报
Recommended Citation
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.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-0051.pdf(1575KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[杨艺]'s Articles
[蒋良孝]'s Articles
[李超群]'s Articles
Baidu academic
Similar articles in Baidu academic
[杨艺]'s Articles
[蒋良孝]'s Articles
[李超群]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[杨艺]'s Articles
[蒋良孝]'s Articles
[李超群]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-0051.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.