Active learning

一种噪声鲁棒的半监督主动学习框架 

详细介绍：请看链接https://blog.youkuaiyun.com/Houchaoqun_XMU/article/details/102417465

近年来，主动学习和半监督学习方法被广泛应用于缓解样本不足的问题。半监督学习能够在零标注成本的情况下训练模型，但由于样本伪标签的质量不高，导致模型的性能提升缓慢。主动学习方法通过获取高质量的标注样本，从而高效地提升模型的性能，但需要额外的标注成本。半监督主动学习方法[44,45,46,47,48,49]通过将两者进行组合训练，充分发挥了两者的优势。但是，目前大多数半监督主动学习方法仍存在一些缺陷： 1）未能够充分考虑噪声样本对分类器的影响，导致模型的性能提升缓慢甚至被噪声样本带偏； 2）在主动学习筛选样本的环节中，未能够