标签
该论文提出一种框架，通过用Beta分布建模来保留每位专家的区间标签，并将预测不确定性分解为区间内、专家间和模型三部分成分，同时使用分解匹配技术对齐这些成分。在海冰浓度数据上，该方法将平均绝对误差（MAE）相比硬标签基线降低了31%，并将与专家间差异的相关性提升至0.500。
本文介绍了一种弱监督多标签比例学习框架，用于使用SAR图像和多模态数据进行海冰类型预测，相比有监督基线实现了显著的准确性提升。