Confidence HNC：一种针对带噪标签二分类的网络流技术
机器学习
2025-03-05 v1
摘要
我们在此考虑一种平衡两个目标的分类方法：簇内样本间的高相似性，以及簇与其补集间的高相异性。该方法被称为 HNC 或 SNC，需要种子节点或带标签样本，其中至少一个属于簇内，至少一个属于补集。除此之外，该方法仅依赖于样本之间的关系。此处的贡献在于提出了一种基于 HNC 的处理带噪标签的新方法，称为 Confidence HNC。在该方法中，我们引入了置信度权重，允许违反带标签样本的给定标签，并施加反映每个给定标签感知正确性的惩罚。如果某个标签被违反，则解释为该标签是噪声。该方法将问题表示为带有超参数的图问题，并通过参数化割的网络流技术高效求解。我们在带噪标签的真实数据和合成数据上，将新方法与领先算法进行了比较，并证明其在分类精度和噪声检测能力方面均取得了更好的性能。
引用
@article{arxiv.2503.02352,
title = {Confidence HNC: A Network Flow Technique for Binary Classification with Noisy Labels},
author = {Dorit Hochbaum and Torpong Nitayanont},
journal= {arXiv preprint arXiv:2503.02352},
year = {2025}
}