一种基于N元ECOC的大类别K-shot满文识别方法

摘要

由于训练数据获取困难,满文识别被视为典型的K-shot学习问题.但在实际应用场景中,满文识别需要面对的类别数量是极大的,传统的K-shot学习算法并不适用.构建了一种面向大类别识别问题的K-shot学习算法,基本策略是利用N元纠错输出编码(error correcting output coding,ECOC)技术将原本的大类别分类问题分解为一系列较小类别的分类问题再进行处理.算法包括编码和解码两个阶段:在编码阶段,利用N元ECOC编码矩阵将大类别支持集分解为一系列小类别的子支持集,并根据子支持集生成多个K-shot学习基分类器;解码阶段利用上述基分类器对测试样本分类再合并为一个预测编码,然后将预测编码对照编码矩阵纠错,进而确定最终分类类别.实验结果表明,在500类满文数据集上获得了87.8％的识别准确率.