科研動(dòng)態(tài)
基于Dirichlet過(guò)程混合模型噪聲標(biāo)簽抑制
中文題目：基于Dirichlet過(guò)程混合模型噪聲標(biāo)簽抑制
論文題目：Attacking Noisy Labels via Dirichlet Process Mixture Models
錄用期刊/會(huì)議：CCC2025 （CAA A類(lèi)會(huì)議）
錄用時(shí)間：2025.4.2
作者列表：
1)宋 宇 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師
2)任正平 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 研18級(jí)
3)代思怡 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 研23級(jí)
4)劉建偉 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師
摘要:
1)針對(duì)高斯混合判別分析需要預(yù)先確定混合成分個(gè)數(shù)的缺點(diǎn)，提出了基于Dirichlet混合模型的魯棒分類(lèi)模型。
2)在Dirichlet混合模型中引入翻轉(zhuǎn)概率機(jī)制?；谪惾~斯先驗(yàn)-后驗(yàn)理論，我們給出了后驗(yàn)分布的嚴(yán)格理論約簡(jiǎn)。通過(guò)metropolis Hastings采樣算法，我們利用采樣得到的有限均值來(lái)計(jì)算重積分。
3)在人工合成數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上進(jìn)行了各種實(shí)驗(yàn)，并與多基準(zhǔn)算法進(jìn)行了比較和分析。
背景與動(dòng)機(jī):
高斯混合判別分析(GMDA)方法在帶有噪聲標(biāo)簽的合成數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上都顯示出有希望的結(jié)果。然而，GMDA需要手動(dòng)調(diào)整混合物成分的數(shù)量，這是一個(gè)關(guān)鍵參數(shù)，如果設(shè)置不當(dāng)，會(huì)導(dǎo)致計(jì)算復(fù)雜性增加或預(yù)測(cè)有效性降低。
主要內(nèi)容:
Dirichlet混合模型為：
圖1 Dirichlet混合模型
結(jié)論:
針對(duì)基于高斯混合模型的穩(wěn)健判別分析需要預(yù)先指定混合分量，且混合分量不再隨訓(xùn)練樣本而變化的問(wèn)題，提出了一種基于Dirichlet過(guò)程的穩(wěn)健分類(lèi)算法，自適應(yīng)地確定聚類(lèi)數(shù)目，然后推導(dǎo)出類(lèi)別標(biāo)簽、聚類(lèi)和各種參數(shù)的后驗(yàn)分布，并利用metropolis Hastings采樣算法推導(dǎo)出聚類(lèi)采樣，將多重積分替換為有限均值采樣。實(shí)驗(yàn)結(jié)果表明，基于Dirichlet過(guò)程的魯棒分類(lèi)算法能夠自適應(yīng)地調(diào)整聚類(lèi)數(shù)目，對(duì)帶有標(biāo)簽噪聲的數(shù)據(jù)具有良好的性能。
作者簡(jiǎn)介:
劉建偉，教師。