基于元学习的图卷积网络少样本学习模型 |
| |
作者姓名: | 刘鑫磊 冯林 廖凌湘 龚勋 苏菡 王俊 |
| |
作者单位: | 1. 四川师范大学计算机科学学院;2. 资阳市公安局网络安全保卫支队;3. 西南交通大学计算机与人工智能学院;4. 四川师范大学商学院 |
| |
基金项目: | 国家自然科学基金(No.61876158,No.71971151); |
| |
摘 要: | 少样本学习是目前机器学习研究领域的热点和难点.针对现有的少样本学习模型不能有效捕捉数据特征与数据标签之间的联系,造成分类模型泛化能力弱的问题,提出一种基于元学习的原型空间图卷积网络少样本学习模型FSL-GCNPS(Few-Shot Learning of Graph Convolutional Network on Prototype Space).首先,利用卷积神经网络提取多任务数据的特征向量;其次,为了将特征向量映射到原型空间中,根据元学习的训练策略得到特征向量的类原型表达;然后,通过类原型向量和类向量之间的嵌入表示,构建图结构数据,并进行图卷积网络训练、推理.实验结果表明,相较于经典少样本学习方法,FSL-GCNPS模型拥有更好的分类准确率和分类稳定性.同时,在医学图像领域数据集上实验表明,FSL-GCNPS具有很好的跨域适应性.
|
关 键 词: | 元学习 图卷积网络 卷积神经网络 少样本学习 原型空间 |
|