一种基于类特征的多尺度度量少样本学习方法
基本信息
| 申请号 | CN202210314022.X | 申请日 | - |
| 公开（公告）号 | CN114626481A | 公开（公告）日 | 2022-06-14 |
| 申请公布号 | CN114626481A | 申请公布日 | 2022-06-14 |
| 分类号 | G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F16/2458（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 吴磊;管林林;王晓敏;吴少智;龚海刚;刘明;陈坚武;单文煜 | 申请（专利权）人 | 电子科技大学长三角研究院（衢州） |
| 代理机构 | 北京天奇智新知识产权代理有限公司 | 代理人 | - |
| 地址 | 324000浙江省衢州市柯城区芹江东路288号1幢18楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于类特征的多尺度度量少样本学习方法，包括：S1、数据预处理步骤；S2、特征嵌入步骤；S3、类特征提取步骤：通过动态路由机制融合支撑集同类的多个样本特征，并通过迭代的方式数输入向量的权重向量进行更新得到类整体特征；S4、多尺度度量步骤：通过融合三种度量准则对支撑集类特征与查询集样本之间进行相似度度量。本发明采用动态路由机制生成类整体特征，相比于直接加权平均的算法，通过该算法得到的类整体特征更具有代表性。在度量模块中，在有参网络的度量方法中引入了注意力机制，另外结合了多种度量方式的优劣，共同决定样本特征间相似度，从而得到了表现力更好的CFMMN网络模型。 |
