我们讨论了针对分类问题的多类标签错误标记的鲁棒性，并提出了两种boosting算法，即归一化Eta-Boost。M和Eta-Boost。M、 基于Eta散度。这两种增强算法与标签错误交换模型密切相关。对于这两种boosting算法，探索了支持错误标记鲁棒性的理论方面。我们将提出的两种增强方法应用于合成数据集和实际数据集，以研究这些方法的性能，重点是鲁棒性，并验证了所提方法的有效性。

此内容仅以PDF格式提供。
您当前无权访问此内容。