基于选择性分类并具备性能保证的标签噪声转移矩阵估计

针对噪声标签学习中转移矩阵估计依赖脆弱的类别后验估计且缺乏理论保证的问题，新研究提出了一种基于单侧选择性分类的转移矩阵估计方法。该方法绕过了类别后验估计，能结合灵活的二分类学习方法，并提供有限样本性能保证。研究团队还推出了实现该方法的算法并给出了细化的有限样本性能界，该成果已被 NeurIPS 2026 接收。