多标签分类的鲁棒性：对抗不平衡和噪声的数据增强策略
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种统一的数据增强方法 BalanceMix，用于解决多标签分类中的类别不平衡和噪声问题。我们的方法包括两个样本策略，用于生成具有高多样性的少数类增强样本。它还在标签粒度上对多标签进行细分，将噪声标签归类为清晰、重新标记或不确定，以实现鲁棒优化。在三个基准数据集上进行的大量实验表明，BalanceMix 优于现有的最先进方法。我们在此 https 的网址上发布了代码。
我们提出了一种名为BalanceMix的数据增强方法，用于解决多标签分类中的类别不平衡和噪声问题。该方法包括两个样本策略，用于生成多样性较高的少数类增强样本，并对多标签进行细分，将噪声标签归类为清晰、重新标记或不确定。实验结果表明，BalanceMix优于现有方法。
