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。
作者
袁赛仙
姚雪梅
唐艳
邹红梅
蔡丽琼
YUAN Saixian;YAO Xuemei;TANG Yan;ZOU Hongmei;CAI Liqiong
出处
《信息技术与信息化》
2026年第1期127-130,共4页
Information Technology and Informatization
基金
贵州省高等学校机器智能产品研发创新团队(黔教技[2022]15号)
贵州民族大学本科教学研究项目(GZMUJG202302)
贵州民族大学自然科学基金项目(GZMUZK[2022]YB07)
教育部产学合作协同育人项目(2309173212)
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)。
