基本信息

---

下载

文档摘要

---

比例标签学习：理论、算法与健康大数据挖掘应用

一、引言

1.1研究背景与意义

1.1.1研究背景

在当今大数据时代，数据规模呈指数级增长，数据标注作为机器学习和人工智能的基础环节，面临着前所未有的困境。传统的数据标注方式，如人工标注，不仅需要耗费大量的人力、物力和时间，而且容易受到主观因素的影响，导致标注质量参差不齐。例如，在图像标注任务中，不同的标注人员可能对同一图像中的物体边界划分存在差异，从而影响模型的训练效果。随着数据量的不断增大，标注成本急剧上升，效率低下的问题愈发突出，成为制约机器学习发展的瓶颈之一。

与此同时，标签比例学习作为一种新兴的弱监督学习方法，逐渐受到学术界和工业界的