一种面向偏多标记学习的分类方法、系统及存储介质

本发明涉及一种面向偏多标记学习的分类方法、系统及存储介质，方法包括对候选标记矩阵进行置信度初始化；基于特征近邻图执行距离加权局部共识更新；基于归一化标记熵选择高置信锚定样本；在锚定样本上训练排序感知教师模型；由教师模型为非锚定样本生成伪标记；基于锚定样本置信标记和非锚定样本伪标记训练学生模型。本发明可显著降低候选标记中的假阳性噪声影响，缓解偏多标记学习中的早期确认偏差，提高标记消歧、伪标记生成和最终多标记预测的可靠性。