报告题目: 一种用于噪声标签分类的类灵敏度特征引导  T  型生成模型

报告人：崔恒建（首都师范大学教授）

报告时间：2024年10月15日 10:10

报告地点：文波楼401会议室

摘要: 大规模数据集不可避免地包含噪声标签，会导致深度神经网络（DNN）性能减弱。目前的方法几乎不关注潜空间中不同特征的不同失真程度，这影响了标签噪声情况下的有效性。为解决此问题，我们分析了不同高维特征的特征变形程度，得出结论：特征与分类变量的相关性变形程度各不相同。上述对特征的干扰不仅降低了潜在特征的灵敏度和对分类的贡献，还为生成决策边界带来了障碍。为缓解这些问题，我们提出类别灵敏度特征提取器（CSFE）和  T  型生成分类器（TGC）。CSFE  基于经过方差稳定变换后的条件累积分布函数和非条件累积分布函数之间的加权马哈拉诺比斯距离，评估分类鉴别能力和分类灵敏度，实现高质量的特征提取。TGC  在潜空间聚类分析中引入  student-t  估计器，在生成决策边界时更加稳健，同时保持了同等效率。为了减轻重新训练整个  DNN  的成本，我们提出了一种集合模型，以生成稳健的决策边界，并用改进的  CSFE  训练  DNN，命名为  SoftCSFE。三个数据集的广泛实验显示了我们方法的优势。  

报告人简介: 崔恒建，现为首都师范大学教授，博士生导师，中国科协第十届全委会委员，曾任国务院学位委员会学科评议组专家。中国科学院系统科学研究所博士毕业。在大数据统计建模、高维统计及其稳健统计理论和方法、统计机器学习、金融统计、以及质量管理等领域取得过许多重要的研究成果，发表论文180余篇，其中包括发表在国际顶级的统计和计量经济学杂志JASA、  AoS、JRSS(B)、Biometrika和JoE上。主持国家自然科学基金重点项目、杰青（B）项目以及多项面上项目、主要参加教育部重大科研基金项目、科技部863等项目。现担任《数学学报》和《应用数学学报》中、英文版以及《Statistical  Theory  and  Related  Fields》编委，中国现场统计研究会副理事长，全国工业统计教育研究会副理事长，北京应用统计学会会长，国际数理统计学会（中国分会）常务理事。曾获得教育部高等学校科学技术奖-自然科学奖二等奖；全国统计科学研究优秀成果奖一等奖等。