| 基于二阶统计量的小样本学习算法研究 |
| |
| 引用本文： | 麻永田,齐晶,张秋实,罗大为,方建军. 基于二阶统计量的小样本学习算法研究[J]. 北京联合大学学报(自然科学版), 2021, 35(4): 73-78. DOI: 10.16255/j.cnki.ldxbz.2021.04.012 |
| |
| 作者姓名： | 麻永田 齐晶 张秋实 罗大为 方建军 |
| |
| 作者单位： | 北京联合大学 城市轨道交通与物流学院,北京 100101;北京联合大学 旅游学院,北京 100101 |
| |
| 摘 要： | 为了提高小样本学习的准确率和抗干扰能力,提出了一种基于二阶统计量的小样本学习模型,以CNN最后一层卷积输出的一阶特征向量为输入,通过计算协方差矩阵和二阶池化获得具有较高区分度的二阶统计量,采用奇异值(SVD)分解将二阶特征映射到低维仿射子空间并据此分类.本算法在Omniglot和minilmageNet数据集上进行了测试,实验结果表明,在minilmageNet上的5-way 5-shot模型准确率达到了73.6％,比Prototypical Networks高出5.4％,在Omniglot上的20-way 1-shot模型准确率则获得了2.4％的提升,本算法性能优于Prototypical Networks等算法.在异常值测试中,本算法也展现出比Matching Networks和Prototypical Networks算法更强的鲁棒性.
|
| 关 键 词： | 小样本学习 协方差矩阵 二阶统计量 低维仿射 SVD分解 |
Research on Few-shot Learning Algorithm Based on Second-order Statistics |
| |
| MA Yongtian,QI Jing,ZHANG Qiushi,LUO Dawei,FANG Jianjun. Research on Few-shot Learning Algorithm Based on Second-order Statistics[J]. Journal of Beijing Union University, 2021, 35(4): 73-78. DOI: 10.16255/j.cnki.ldxbz.2021.04.012 |
| |
| Authors: | MA Yongtian QI Jing ZHANG Qiushi LUO Dawei FANG Jianjun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
