一種基于類特征的多尺度度量少樣本學習方法

基本信息

申請?zhí)?/td> CN202210314022.X 申請日 -
公開（公告）號 CN114626481A 公開（公告）日 2022-06-14
申請公布號 CN114626481A 申請公布日 2022-06-14
分類號 G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F16/2458（2019.01）I 分類 計算；推算；計數;
發(fā)明人 吳磊;管林林;王曉敏;吳少智;龔海剛;劉明;陳堅武;單文煜 申請（專利權）人 電子科技大學長三角研究院（衢州）
代理機構 北京天奇智新知識產權代理有限公司 代理人 -
地址 324000浙江省衢州市柯城區(qū)芹江東路288號1幢18樓
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于類特征的多尺度度量少樣本學習方法，包括：S1、數據預處理步驟；S2、特征嵌入步驟；S3、類特征提取步驟：通過動態(tài)路由機制融合支撐集同類的多個樣本特征，并通過迭代的方式數輸入向量的權重向量進行更新得到類整體特征；S4、多尺度度量步驟：通過融合三種度量準則對支撐集類特征與查詢集樣本之間進行相似度度量。本發(fā)明采用動態(tài)路由機制生成類整體特征，相比于直接加權平均的算法，通過該算法得到的類整體特征更具有代表性。在度量模塊中，在有參網絡的度量方法中引入了注意力機制，另外結合了多種度量方式的優(yōu)劣，共同決定樣本特征間相似度，從而得到了表現力更好的CFMMN網絡模型。