小樣本點(diǎn)云分類的原型分布校正

摘要： 針對(duì)基于度量的小樣本學(xué)習(xí)方法原型網(wǎng)絡(luò)中因支撐樣本較少，出現(xiàn)的類原型容易發(fā)生偏差、網(wǎng)絡(luò)泛化性差等問(wèn)題，提出一種基于高斯分布的原型校正方法。首先根據(jù)原型網(wǎng)絡(luò)得到類原型，通過(guò)類原型對(duì)查詢樣本進(jìn)行近鄰匹配，得到查詢樣本的偽標(biāo)簽；然后得到偽標(biāo)簽樣本特征的高斯分布信息，即均值和方差；最后從這些分布中進(jìn)行采樣，生成足夠豐富的樣本去擴(kuò)展支撐集，進(jìn)而獲得更準(zhǔn)確的類原型，改善分類性能。同時(shí)對(duì)于現(xiàn)有... （共12頁(yè)）