噪声标注下的改进TSVM学习算法

• 作者: 何丽 刘颖 韩克平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 噪声标记 直推式支持向量机 聚类算法 鲁棒性
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 理论与研发
• 页码范围: 44-50
• 页数: 7页
• 分类号: TP181
• 字数: 6569字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0332

摘要

深度学习的迅速发展需要大量有标记数据的支持,而实际数据中往往带有未知比例的噪声标记,会直接影响分类器的最终结果.针对数据集中错误标记的存在,提出了一种噪声标注下的TSVM改进算法,该方法利用聚类筛选出错分率较高的簇,通过交换错分率较高的两个簇的标签,减少TSVM算法中噪声标记的传递和累加,能够有效地提高标记准确率,增强TSVM分类器对不同比例噪声的鲁棒性.为了验证提出算法的有效性,通过在选取的UCI数据集上加入不同比例的噪声标签对算法进行了实验.实验结果表明,该算法在含有不同噪声标记比例的数据集上的鲁棒性均优于SVM和TSVM算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何丽	天津财经大学理工学院	25	161	7.0	12.0
2	刘颖	天津财经大学理工学院	7	16	2.0	4.0
3	韩克平	天津财经大学理工学院	3	5	1.0	2.0