...
表1. 基于血细胞数据库，在均匀噪声比例下的噪声标签学习方法测试准确率的对比
在血细胞数据库中，本研究通过将每个类别的标签按照噪声比例翻转到相近的类别，产生了非均匀噪声标签，并进行了实例无关性和实例相关性的噪声标签实验。表1示例列出了基于均匀噪声在不同噪声比例下的实验结果。可以观察到，本研究提出的方法在所有情况下均获得了最佳的分类结果，尤其是在高噪声比例时更为明显。即便在噪声比例高达40%的情况下，本方法的表现也远超默认方法，并且比次优的JoCoR方法高出4.94%。在低噪声比例（10%）下，本研究提出的方法仍展现出竞争力，获得了次优的分类性能。与眼科OCT数据库上的二分类任务相比，当处理该数据库上的多类分类任务时，抗噪声训练方法的性能虽随噪声比例增加而逐渐降低，但衰减趋势较为缓慢，这在均匀噪声环境下尤为明显。本研究推测，当不同噪声比例的噪声标签被分布到多个类别时，影响到准确类别的主导地位的可能性几乎不存在。
...