《表3 各个数据集上在不同噪声比例下RCC、RNC、RSC的实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于局部概率抽样的标签噪声过滤方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在LPS算法中，抽样概率的大小是由样本的标签置信度决定的，为了保证LPS算法的有效性，要求置信度的估计必须合理且有效，干净样本应当比噪声样本有更高的置信度。表3展示了各个数据集在不同噪声比例下干净样本置信度均值RCC(Clean Confidence，CC）、噪声样本置信度均值RNC(Noise Confidence，NC）和分离度RSC(Separation of Confidence，SC）的实验结果，其中：噪声比例设置从10%到40%，以10%为间隔；RSC=RCC-RNC。可以看出在所有噪声比例下，所有数据集中的RCC均大于RNC，且随着噪声比例的增加，RCC与RNC的差距逐渐减小，验证了前文中“样本置信度与被保留概率成正比”的合理性。除此之外，大部分RSC都表示出了随噪声比例增加而减小的变化趋势，换句话说，在噪声比例较高的情况下，干净样本的置信度和噪声样本的置信度更接近，这时通过置信度识别噪声变得更难，这一结果符合对置信度估计的预期。