噪声标注下的改进TSVM学习算法

来源：计算机工程与应用杂志2019年第17期北京时间：

作者：何丽，刘颖，韩克平

单位：天津财经大学 理工学院，天津 300222

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。

关键词：噪声标记,直推式支持向量机,聚类算法,鲁棒性