基于Bayes的有噪训练集去噪方法研究  

Identifying and Correcting Mislabled Training Instances Using Bayes

作　　者：罗俊杰[1] 孙江文[1] 王崇骏[1] 陈世福[1] 

机构地区：[1]南京大学计算机软件新技术国家重点实验室计算机科学与技术系,南京210093

出　　处：《计算机科学》2008年第9期213-216,共4页Computer Science

基　　金：国家自然科学基金资助项目(No.60503021);江苏省自然科学基金(No.BK2005075);江苏省高技术研究发展计划资助项目(No.BG2006027;No.BG2007038)

摘　　要：利用有噪训练集训练分类器的过程中,去噪是基本的预处理步骤。传统的去噪工作只是简单地删除被标记为噪声的实例。显然,这样处理会清除噪声实例中的有用信息。本文提出一种基于Bayes的去噪方法,不但能辨识出噪声而且能纠正噪声实例的错误类标,从而保证其有效信息不会丢失。De-noising is a basic pretreatment in the process of training a classifier. Most traditional de-noising approaches only delete instances tagged as noise which obviously also eliminates the useful information in these instances. A new approach is presented with which we can not only identify noise but also correct it, so that the useful information will be reserved.

关 键 词：噪声 噪声辨别 噪声纠正 

分 类 号：TP314[自动化与计算机技术—计算机软件与理论] P631.443[自动化与计算机技术—计算机科学与技术]