一种基于伪标签的半监督少样本学习模型

• 作者: 余游 冯林 徐其凤 王格格
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 少样本学习 半监督学习 伪标签 迁移学习
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 2284-2291
• 页数: 8页
• 分类号: TP181
• 字数: 6530字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.11.007

摘要

如何将带有大量标记数据的源域知识模型迁移至带有少量标记数据的目标域是少样本学习研究领域的热点问题.针对现有的少样本学习算法在源域数据与目标域数据的特征分布差异较大时存在的泛化能力较弱的问题,提出一种基于伪标签的半监督少样本学习模型FSLSS(Few-Shot Learning based on Semi-Supervised).首先,利用py-torch深度学习框架建立一个关系型深度学习网络,并使用源域数据对网络进行预训练;然后,使用此网络对目标域数据进行分类预测,将分类概率最大的类标签作为数据的伪标签;最后,利用目标域的伪标签数据和源域的真实标签数据对网络进行混合训练,并重复伪标签标记与混合训练过程.实验结果表明,相对于现有主流少样本学习算法,FSLSS模型有更好的泛化能力及知识迁移效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯林	四川师范大学计算机科学学院	36	201	8.0	12.0
2	余游	四川师范大学计算机科学学院	6	10	2.0	3.0
3	王格格	四川师范大学计算机科学学院	5	6	1.0	2.0
4	徐其凤	四川师范大学计算机科学学院	3	4	1.0	2.0