一种基于学习动态监测的标签噪声自适应识别方法与系统

本发明属于人工智能、数据处理与数据资产管理技术领域，具体涉及一种基于学习动态监测的标签噪声自适应识别方法与系统，本发明通过获取含噪原始数据集，并将含噪原始数据集输入到神经网络模型中进行训练，记录含噪原始数据集的所有样本在该滑动监测窗口内的损失方差并自适应定位将所有样本划分为干净样本与噪声样本的最佳分离时机，基于最佳分离时机对所有样本进行高斯混合模型拟合与标签质量诊断，确定噪声率，从而剥离出相应数量的样本，形成干净数据集，本发明通过引入了损失方差滑动窗口机制，使得系统能够在面对不同领域数据及不同程度污染时，均能自动捕捉到数据分布发生分化的最敏锐拐点，从而实现全自动化的噪声率精准评估。