贴错标签的训练数据是一个挑战，要建立一个健壮的分类器（无论是否集成），就必须面对。 这项工作通过利用四个不同的集合边距进行识别来解决标签错误的问题，然后消除或纠正贴错标签的训练数据。 我们的方法基于分类噪声排序，并依赖于余量值错误分类的数据。 我们的基于排序的类噪声去除和校正方法的有效性在执行图像分类中得到了证明。 对多数投票滤波器（一种基于参考系的类噪声滤波器）进行了比较分析。