图像分类中的标签噪声是影响算法性能的突出问题之一。协同训练算法是半监督学习的重要方法，基于多视图特 性在处理未标记数据中具有独到优势，但其对标签噪声不够鲁棒，限制了其实际应用。本文剖析协同训练算法的核心原理， 针对标签噪声问题提出了基于置信度筛选，动态权重调整和对抗训练的优化策略，并通过实际案例验证优化后算法在标签噪 声环境下的有效性，从而为提升图像分类系统的可靠性提供新的思路和方法。