본 논문은 머신러닝의 기본적인 작업인 라벨 학습에 초점을 맞추어, 라벨 불확실성을 더 잘 포착하고 표현하기 위해 퍼지 집합 이론을 기반으로 한 퍼지 라벨의 개념을 소개합니다. 데이터 노이즈, 모호성, 주관성 등 라벨링 과정에서의 불확실성을 고려하여, 기존의 단순한 이진 논리 라벨 대신 퍼지 라벨을 사용함으로써 더 풍부하고 미묘한 표현을 제공합니다. 본 논문은 데이터를 기반으로 퍼지 라벨을 생성하는 효율적인 방법을 제안하고, 이를 활용하여 단일 라벨 및 다중 라벨 학습을 위한 알고리즘을 개발했습니다. KNN 알고리즘을 예시로 사용하여, 퍼지 라벨이 라벨 학습 모델의 성능을 향상시킬 수 있음을 실험적으로 입증합니다.
