噪声与难样本并重
该图卷积方法通过动态监督邻接矩阵的更新，在抑制噪声标签影响与鼓励从困难样本中学习之间取得平衡，同时处理两类干扰，提升野外表情识别鲁棒性。
Yuandong, Min · Xu, Ruyi · 陈靓影 · Yanfeng, Ji · Liu, Xiaodi
Pattern Recognition 2026
通过动态监督邻接矩阵更新，在抑制噪声标签影响与鼓励从困难样本中学习之间取得平衡。
将高维表情特征映射到低维流形，初始化样本间拓扑关系，从而更准确地衡量困难样本关系。
标签一致性掩码机制可在噪声标签存在时仍保留正确连接，支持噪声鲁棒学习。
基于ℓ2范数变化趋势区分错误标签样本与困难样本，通过ℓ2正则化抑制前者学习及其在图中的特征传播。