本文提出了两种有效的训练策略来提高模型在有限数据情况下的泛化能力,同时避免受低质量噪声样本的影响。首先,我们提出了基于平滑正则化的方法,将模拟噪声样本仅用于正则化项的计算,而不直接参与损失函数的计算。此外,我们提出了一种专门针对频谱图的数据增强策略-局部遮蔽和复制(LMR),以捕捉类间关系并提高模型的泛化能力。