论文部分内容阅读
在一些模式识别应用中,具有类属信息的样本数量较少,此时监督学习算法会遇到小样本问题,导致分类器的识别精度大幅低于预期水平。基于叶分量分析,提出一种带监督信息的在线学习方法。该方法在训练过程进行监督学习,而在模式识别阶段能够在对输入样本进行分类的同时基于这些样本进行非监督在线学习,因此实现了监督学习与非监督学习的结合。在小本量情况下,在线学习可以弥补训练阶段监督学习的不足,仍能保证获得较高的识别精度。实验证明,该方法能够有效克服小样本问题。