ProFi-Net: 基于原型特征注意力及课程增强的 WiFi 手势识别
机器学习
2025-04-30 v1
摘要
本文提出 ProFi-Net，这是一种新的少样本学习框架，用于 WiFi 手势识别，以克服训练数据有限和特征稀疏表示的挑战。ProFi-Net 采用原型基于的度量学习架构，并增强了特征层注意力机制，动态细化欧几里得距离，通过突出最具辨识力的特征维度来实现。此外，我们的方法在查询集上引入一种受课程启发的数据增强策略。通过逐步纳入递增幅度的高斯噪声，该模型暴露于更广泛的挑战性变化中，从而提高其泛化能力和对过拟合的鲁棒性。在多样化的真实环境下进行的大量实验表明，ProFi-Net 在分类准确率和训练效率方面显著优于传统原型网络和其他前沿少样本学习方法。
引用
@article{arxiv.2504.20193,
title = {ProFi-Net: Prototype-based Feature Attention with Curriculum Augmentation for WiFi-based Gesture Recognition},
author = {Zhe Cui and Shuxian Zhang and Kangzhi Lou and Le-Nam Tran},
journal= {arXiv preprint arXiv:2504.20193},
year = {2025}
}
备注
This paper was accepted at The 9th APWeb-WAIM joint International Conference on Web and Big Data