贝叶斯噪声识别网络

直接估算BER

将贝叶斯错误率计算转化为噪声识别问题，与现有方法仅提供边界不同，可直接估计精确值。

陈庆强 · 曹付元 · Xing, Ying · 梁吉业

IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

技术优势

直接得到BER

将BER计算转化为识别贝叶斯噪声样本的比例，理论上可达到统计一致性。

识别可靠样本

利用渗流理论筛选可靠样本，再通过标签传播识别噪声样本，提高估计准确性。

优于现有估计器

在大量合成、基准和图像数据集上验证了其优越性。

应用场景

• 贝叶斯错误率估计：为模型选择提供精确的理论最优错误率参考。
• 分类模型评估：判断所选分类器是否达到最优，替代仅凭上下界的粗评。
• 机器学习可靠性：用精确BER量化模型性能极限，提升可靠性评估。
• 数据质量控制：通过识别贝叶斯噪声样本定位数据中的错标或不确定样本。