面向小样本分类的随机配置网络研究
袁赛仙
姚雪梅
唐艳
邹红梅
蔡丽琼
贵州民族大学数据科学与信息工程学院 贵州贵阳 550025
摘要：针对小样本数据分类任务中存在的样本稀缺、标注成本高、模型泛化能力弱及类间区分性不足等问题,文章提出一种基于随机配置网络(SCN)的集成分类模型E-SCN.该模型通过正态分布初始化网络节点,并引入了多数投票机制集成多个差异化的SCN基分类器,以增强模型在小样本条件下的判别能力与泛化性能.实验结果表明:E-SCN相较于SCN及传统方法在分类精度与鲁棒性方面具有显著的优势,为小样本分类问题提供了新的有效解决方案,拓展了 SCN在低资源学习场景中的应用潜力.
关键词：随机配置网络(SCN)小样本分类多数投票带多数投票的正态SCN(E-SCN)
资助基金：贵州民族大学本科教学研究项目(GZMUJG202302)教育部卓越工程师教育培养计划项目产学合作协同育人项目(2309173212)贵州民族大学自然科学基金项目(GZMUZK(2022)YB07)贵州大学省部共建公共大数据国家重点实验室开放课题(PBD2022-22)
论文发表日期：2026-01-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 127-130 )