检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

小样本学习驱动的无线频谱状态感知

电子与信息学报 2024年第4期46卷 1231-1239页

作者：申滨李月王欣王紫昕重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类... 详细信息

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。

关键词：频谱状态感知频谱状态地图插值小样本学习

基于半监督小样本学习的北京市臭氧空间分布模式分类研究

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年第3期26卷 725-735页

作者：孙津河海大学地球科学与工程学院南京211100 河海大学江苏省水资源环境遥感监测评估工程研究中心南京211100

研究城市臭氧空间分布模式有助于分析污染成因,也能够为污染防治提供科学依据。但过去多基于站点数据分析浓度平均分布的概括性特征,对全域浓度分布平面的描述有限,也很少进行分类研究,无法更全面地看待污染分布的多种模式及其时间变化... 详细信息

研究城市臭氧空间分布模式有助于分析污染成因,也能够为污染防治提供科学依据。但过去多基于站点数据分析浓度平均分布的概括性特征,对全域浓度分布平面的描述有限,也很少进行分类研究,无法更全面地看待污染分布的多种模式及其时间变化。本研究利用由卫星数据建模估计的臭氧日最大8 h滑动均值分布数据,针对臭氧空间分布模式标签化的难度提出一种面向小样本的半监督学习方法,以北京市为例进行分类实验。实验发现:(1) 2020年数据经预处理后以40个训练样本对249个测试样本进行分类,总体分类精度达81.12%,kappa系数达0.741 6,说明在小样本条件下半监督方法取得了较好的分类效果;(2)分类得到的8种模式中,“(东)南高(西)北低或东高西低”的模式1、“(西)北高(东)南低”的模式2以及“中心低”的模式6为主要模式,分别在暖季(3—10月)、冷季(11—次年2月)和冷暖季过渡期占据主导,这一时间规律反映出区域传输和光化学反应的季节性影响;(3)将2020年的训练样本迁移至2019年进行分类,在取得较高精度的同时也对上述规律进行了验证。以上结果表明,本研究提出的空间分布模式分类方法能够为全面确定高污染的防治区域以及分类研究不同污染事件的成因提供支持。

关键词：臭氧空间格局半监督分类图像分类小样本学习样本迁移季节性北京

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的小样本学习方法研究进展

计算机研究与发展 2024年第4期61卷 856-876页

作者：杨洁祎董一鸿钱江波宁波大学信息科学与工程学院浙江宁波315211 浙江省移动网络应用技术重点实验室(宁波大学) 浙江宁波315211

小样本学习(few-shot learning,FSL)旨在利用少量样本学习得到解决问题的模型,为解决应用场景中样本量少或标注样本少的问题.图神经网络(graph neural network,GNN)由于其在许多应用中的卓越性能引起了极大的关注,许多学者开始尝试利用... 详细信息

小样本学习(few-shot learning,FSL)旨在利用少量样本学习得到解决问题的模型,为解决应用场景中样本量少或标注样本少的问题.图神经网络(graph neural network,GNN)由于其在许多应用中的卓越性能引起了极大的关注,许多学者开始尝试利用图神经网络进行小样本学习,基于图神经网络的方法在小样本领域取得了卓越的成绩.目前与基于图神经网络的小样本学习方法相关的综述性研究较少,缺乏该类方法的划分体系与介绍性工作,因此系统地梳理了当前基于图神经网络的小样本学习的相关工作:概括了小样本学习的图神经网络方法的概念,根据模型的基本思想将其划分为基于节点特征、基于边特征、基于节点对特征和基于类级特征的4类方法,介绍了这4类方法的研究进展;总结了目前常用的小样本数据集和代表性模型在这些数据集上的实验结果,归纳各类方法主要的研究内容和优劣势;最后概述了基于图神经网络的小样本学习方法的应用和面临的挑战,并展望其未发展方向.

关键词：小样本学习图神经网络元学习度量学习迁移学习

在线全文

学校读者我要写书评

暂无评论

面向小样本学习的轻量化知识蒸馏

软件学报 2024年第5期35卷 2414-2429页

作者：陈嘉言任东东李文斌霍静高阳南京大学计算机科学与技术系江苏南京210023

小样本学习旨在模拟人类基于少数样例快速学习新事物的能力,对解决样本匮乏情境下的深度学习任务具有重要意义.但是,在诸多计算资源有限的现实任务中,模型规模仍可能限制小样本学习的广泛应用.这对面向小样本学习的轻量化任务提出了现... 详细信息

小样本学习旨在模拟人类基于少数样例快速学习新事物的能力,对解决样本匮乏情境下的深度学习任务具有重要意义.但是,在诸多计算资源有限的现实任务中,模型规模仍可能限制小样本学习的广泛应用.这对面向小样本学习的轻量化任务提出了现实的需求.知识蒸馏作为深度学习领域广泛使用的辅助策略,通过额外的监督信息实现模型间知识迁移,在提升模型精度和压缩模型规模方面都有实际应用.首先验证知识蒸馏策略在小样本学习模型轻量化中的有效性.并结合小样本学习任务的特点,针对性地设计两种新的小样本蒸馏方法:(1)基于图像局部特征的蒸馏方法;(2)基于辅助分类器的蒸馏方法.在miniImageNet和TieredImageNet数据集上的相关实验证明所设计的新的蒸馏方法相较于传统知识蒸馏在小样本学习任务上具有显著优越性.

关键词：深度学习小样本学习图像识别知识蒸馏模型轻量化

基于张量计算的智慧交通多维数据计算与小样本学习

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年第4期50卷 41-49页

作者：司明悦齐斌张文胜张雷山东大学信息科学与工程学院山东省无线通信技术重点实验室山东青岛266237 同济大学上海自主智能无人系统科学中心上海200092

针对智慧交通场景中样本较少且难以获取的问题,提出一种张量计算与小样本学习相结合的综合模型,从而应对目标域样本不足导致训练效果差的情况。构建基于张量计算的多维计算模型,处理智慧交通场景中的多维异构数据,基于数据的时空相关性... 详细信息

针对智慧交通场景中样本较少且难以获取的问题,提出一种张量计算与小样本学习相结合的综合模型,从而应对目标域样本不足导致训练效果差的情况。构建基于张量计算的多维计算模型,处理智慧交通场景中的多维异构数据,基于数据的时空相关性获得融合数据张量,将融合数据作为输入数据,经由小样本学习模型进行训练,最终根据消融实验结果比较分析基于不同张量计算方案和小样本学习方法的张量小样本学习模型性能。仿真结果表明,相较于2种基于度量的小样本学习模型:原型网络和匹配网络,基于元学习的小样本学习模型和张量计算模型相结合后的可信度更高,并且基于不同的张量融合方案,元学习模型的准确率和F1值得到了不同程度的提升,其中基于逆分解张量融合方案的模型准确率可达0.95,性能优于平行因子分解(CPD)融合方案。

关键词：智慧交通张量计算数据融合小样本学习元学习

在线全文

学校读者我要写书评

暂无评论

融合类增强与多尺度自适应的小样本学习方法

数据采集与处理 2024年第3期39卷 689-698页

作者：董驰静张孙杰任涵上海理工大学光电信息与计算机工程学院上海200093

为了解决小样本学习存在特征信息提取不足、难以准确地捕获局部明显特征信息的问题,提出了一种融合类增强与多尺度自适应的小样本学习方法。首先在特征的层面上对图像进行类增强,通过将特征图的每次激活与其邻域相关联来编码丰富的语义... 详细信息

为了解决小样本学习存在特征信息提取不足、难以准确地捕获局部明显特征信息的问题,提出了一种融合类增强与多尺度自适应的小样本学习方法。首先在特征的层面上对图像进行类增强,通过将特征图的每次激活与其邻域相关联来编码丰富的语义结构,使提取后的类内特征明显,更利于当前的分类任务。其次通过多尺度特征生成来提取不同尺度上图像特征的低层表示。最后对每个尺度上的语义相关矩阵进行权重分配与相似元素最大化计算查询图像与各支持集类别图像之间的语义相似度,多尺度信息进行融合后,对目标图像进行分类。在5-way 1-shot和5-way 5-shot设置中,该方法在miniImageNet数据集上的均值平均精度(mean Average precision,mAP)分别为56.83%和75.76%,在常用细粒度图像数据集Stanford Cars和CUB-200-2011分类基准上分别达到了79.33%和93.92%、66.33%和85.78%,均优于现有方法的最好结果。

关键词：小样本学习类增强多尺度特征生成自适应任务注意

在线全文

学校读者我要写书评

暂无评论

基于迁移类内变化增强数据的小样本学习方法

计算机工程 2024年

作者：李小雨罗娜华东理工大学能源化工过程智能制造教育部重点实验室

小样本学习致力于通过极少数量的训练样本，甚至一个样本，来实现对新类数据的分类。面对这种挑战，数据增强成为小样本学习中一种直接而有效的解决方法，但是确保增强数据的多样性和可辨别性是数据增强的关键。为此提出一种基于迁移基... 详细信息

小样本学习致力于通过极少数量的训练样本，甚至一个样本，来实现对新类数据的分类。面对这种挑战，数据增强成为小样本学习中一种直接而有效的解决方法，但是确保增强数据的多样性和可辨别性是数据增强的关键。为此提出一种基于迁移基类类内变化的两阶段数据增强方法，分为特征学习和小样本学习阶段。在特征学习阶段，模型通过自监督任务学习基类数据的个体特征的表达，有监督任务则学习类辨别特征，模型通过这两种特征获得基类数据的类内变化并建模基类每类的类内变化分布。在小样本学习阶段，模型从基类的类内变化分布中采样与任务相关的类内变化信息并添加到小样本特征中，以实现增强小样本数据的目的。实验结果表明，1-shot情况下，本文方法在miniImageNet、tieredImageNet和CUB数据集上的分类性能相较于基线模型提升了4%到7%，5-shot情况下提升了3%到7%，相较于其他数据增强方法，也展现了具有竞争力的性能，这表明生成的增强数据可以在保持可辨别性的同时增强小样本数据的多样性，并验证了该方法的可行性和有效性。

关键词：小样本学习数据增强类内变化类辨别特征个体特征

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

遥感图像小样本舰船识别跨域迁移学习算法

遥感学报 2024年第3期28卷 793-804页

作者：陈华杰吕丹妮周枭刘俊杭州电子科技大学通信信息传输与融合技术国防重点学科实验室杭州310018

跨域迁移学习旨在利用现有公开数据集,突破源域和目标域样本类别空间须一致的约束,提升目标域样本的识别精度。针对现有跨域迁移学习算法应用于遥感图像小样本舰船目标识别时存在的迁移类别受限和负迁移问题,本文提出一种基于源域样本... 详细信息

跨域迁移学习旨在利用现有公开数据集,突破源域和目标域样本类别空间须一致的约束,提升目标域样本的识别精度。针对现有跨域迁移学习算法应用于遥感图像小样本舰船目标识别时存在的迁移类别受限和负迁移问题,本文提出一种基于源域样本相关性排序的跨域迁移学习算法:首先将目标域样本逆向加入源域分类任务中,根据加入前后各类别源域样本的识别精度变化情况,对源域样本进行相关性排序,将其划分为强/弱/负相关样本;然后采取自监督联合学习策略,在目标域分类网络中引入自监督角度预测辅助分支,筛选出的强相关源域样本仅参与该辅助分支的训练,不改变目标域主分类网络的结构。算法通过相关性排序去除了弱/负相关源域样本,有效避免了负迁移;引入自监督角度预测辅助分支,在保持主分类网络结构完整性的同时,充分利用了强相关源域样本的有效信息,学习到更具泛化能力的目标特征。实验结果显示:在遥感舰船小样本目标数据集上,提出的算法优于跨域迁移学习中广泛使用的Fine-tune (微调)算法;与仅使用主分类网络的目标域识别算法相比,遥感舰船目标识别精度提升了17.59%。

关键词：遥感舰船识别小样本学习跨域迁移学习相关性排序自监督学习

在线全文

学校读者我要写书评

暂无评论

一种基于原型校正的小样本学习算法

小型微型计算机系统 2024年

作者：梁辰晨江宸逸王室栋张浩峰纽卡斯尔大学计算学院(英国) 南京理工大学计算机科学与工程学院

现有的少样本学习(Few-Shot Learning)方法通常使用基于任务(episode)的训练策略训练模型，但在随机采样构建任务的过程中不可避免地存在采样偏差问题，质量较差的支持样本一定程度上导致模型难以收敛。本文提出了交互视图原型校正网络... 详细信息

现有的少样本学习(Few-Shot Learning)方法通常使用基于任务(episode)的训练策略训练模型，但在随机采样构建任务的过程中不可避免地存在采样偏差问题，质量较差的支持样本一定程度上导致模型难以收敛。本文提出了交互视图原型校正网络通过两种策略缓解这个问题，首先，模型利用全局信息来纠正每个任务中的支持样本特征，从而缓解随机采样导致的原型偏移问题；其次，文中提出了实例原型生成算法，该算法利用支持样本特征的局部视图原型集根据不同的查询样本实例生成对应的实例级原型，从而优化了使用支持样本全局特征作为类原型区分度不足的问题。模型在多个基准数据集上的进行了充分实验，实验结果验证了方法的有效性及鲁棒性。

关键词：小样本学习原型校正图像分类原型集生成