关键字：图结构;小样本学习;特征更新;元学习

摘要：边缘要素中包含有图结构的重要信息。为了在样例稀疏的小样本学习中获得更好的分类性能,以丰富的图边缘信息源为核心,基于边缘特征和节点特征更新方法提出了适用于小样本分类的元学习框架。对边缘特征进行双重随机归一化,通过迭代地将先前结果与边缘矩阵相乘在扩散过程中传递边缘信息;用ProtoNet网络对节点特征进行初始化,以通过实例的平均嵌入来表示每个类,可以最大限度地减少任务的泛化误差。经实验验证,该方法在监督和半监督小样本分类任务中有效提高了训练精度和分类效果。

卷号：v.44;No.345

期号：08

是否译文：否