★ 2
小样本学习的核模块化判别分析框架
论文对核化线性主成分判别分析（KLPCDA）框架进行系统性跨域研究，刻画其方差保持、类间可分与类内紧凑三大目标的交互机制。作者在超光谱分类、机械故障诊断、医学诊断与人脸识别等小样本任务上分析七种变体，考察噪声、类不平衡与高维条件下的表现。研究给出不同数据特征下选择合适变体的实用指南，并保持低计算复…
arXiv cs.LG53 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文对核化线性主成分判别分析（KLPCDA）框架进行系统性跨域研究，刻画其方差保持、类间可分与类内紧凑三大目标的交互机制。作者在超光谱分类、机械故障诊断、医学诊断与人脸识别等小样本任务上分析七种变体，考察噪声、类不平衡与高维条件下的表现。研究给出不同数据特征下选择合适变体的实用指南，并保持低计算复…
论文证明在平衡k-shot采样下，核化线性主成分判别分析（KLPCDA）的类内散度算子恰好是缩放的正交投影算子，导致其七个变体中两个信号特征值完全相等、第三个目标函数失效。作者提出公式内平局打破方法修复，并在冻结LLM嵌入的少样本文本分类上评估，发现交叉验证的逻辑回归探针仍优于所有KLPCDA变体。