标签噪声鲁棒学习算法研究综述

摘要：

在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力.为节省人力物力,网络爬虫、众包方法等替代方法被用于对训练数据的采集.不幸的是,这些替代方法获取的数据往往存在大量的错误标注,即标签噪声,由此带来了很多潜在的问题.因此,对标签噪声鲁棒学习算法的研究,在推广机器学习工程应用、降低机器学习算法部署成本方面具有重要的意义.本文对标签噪声鲁棒学习算法的最新研究成果进展进行了全面综述,分别从标签噪声的产生、影响、分类等方面进行了详细的总结,对每类标签噪声的处理方法进行了介绍,并对每类处理方法的优缺点进行分析.

关键词：人工智能、机器学习、弱监督学习、标签噪声、深度学习、鲁棒学习算法

所属期刊栏目：27

分类号：TJ760;TP18(火箭、导弹)

资助基金：国家自然科学基金;江苏省自然科学基金

在线出版日期：2020-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：20-26