用于增量式气味分类的深度最近类均值模型
机器学习
2019-04-30 v2 机器学习
摘要
近年来，越来越多的机器学习算法被应用于气味分类。这些气味分类算法通常假设训练数据集是静态的。然而，对于一些气味识别任务，新的气味类别不断出现。也就是说，气味数据集是动态增长的，同时训练样本与类别数量随时间增加。受此启发，本文提出一种基于深度学习框架与最近类均值方法的深度最近类均值（DNCM）模型。所提模型不仅利用深度神经网络提取深度特征，还能够随时间动态整合新类别。在我们的实验中，DNCM 模型最初以 10 个类别训练，随后整合了 25 个新类别。实验结果表明，所提模型对增量式气味分类非常有效，尤其对于仅含少量训练样本的新类别。
引用
@article{arxiv.1801.02328,
title = {Deep Nearest Class Mean Model for Incremental Odor Classification},
author = {Yu Cheng and Angus Wong and Kevin Hung and Zhizhong Li and Weitong Li and Jun Zhang},
journal= {arXiv preprint arXiv:1801.02328},
year = {2019}
}
备注
17 pages, 6 figures