多级决策优化关系网络的小样本学习方法.pdfVIP

第20卷第4期智能系统学报Vol.20No.4

2025年7月CAAITransactionsonIntelligentSystemsJul.2025

DOI:10.11992/tis.202406016

网络出版地址:/urlid/23.1538.TP0857.002

多级决策优化关系网络的小样本学习方法

缪宛谕，苟光磊，钟声，白瑞峰，文浪

（重庆理工大学计算机科学与工程学院,重庆400054）

摘要：针对小样本学习中数据稀缺性的问题以及传统二支决策方法仅提供接受或拒绝两种选择的局限性，本

研究提出一种多级决策优化的小样本学习方法。提出多粒度特征提取模块对样本进行处理，构建具有不同粒

度的特征层来获取不同感受野的语义信息，从而实现精确决策；提出多分支自适应特征细化模块来提升局部与

全局的关键区域特征表示；通过关系网络计算获取各个尺度参数，构建恰当的相似度度量矩阵，并将其输入到

提出的多级决策优化模块中，使得模型能够根据不同粒度层的特征自适应地调整决策中的不确定区域。通过

在MiniImageNet和TieredImageNet两个公开数据集上进行实验验证，分类准确率均有一定提升，实验结果验证

了本方法的有效性。

关键词：小样本学习；深度学习；决策理论；图像分类；关系网络；不确定性分析；特征提取；粗糙集理论

中图分类号：TP391文献标志码：A文章编号：1673−4785(2025)04−0882−12

中文引用格式：缪宛谕,苟光磊,钟声,等.多级决策优化关系网络的小样本学习方法[J].智能系统学报,2025,20(4):882–893.

英文引用格式：MIAOWanyu,GOUGuanglei,ZHONGSheng,etal.Multi-leveldecisionoptimizationinrelationalnetworksfor

few-shotlearningmethod[J].CAAItransactionsonintelligentsystems,2025,20(4):882–893.

Multi-leveldecisionoptimizationinrelationalnetworksfor

few-shotlearningmethod

MIAOWanyu，GOUGuanglei，ZHONGSheng，BAIRuifeng，WENLang

(CollegeofComputerScienceandEngineering,ChongqingUniversityofTechnology,Chongqing400054,China)

Abstract:Addressingtheissuesofdatascarcityinfew-shotlearningandthelimitationsoftraditionalbinarydecision

methodsthatonlyofferacceptorrejectoptions,thisstudyproposesamulti-leveldecisionoptimizationapproachfor

few-shotlearning.Initially,amulti-granularityfeatureextractionmoduleprocessessamplesandconstructsfeaturelay-

ersofdifferentgranularitiestocapturesemanticinformationfromvariousreceptive