极端标签偏移下准确率91.00%
通过原型约束和混合分类器，在标签分布偏移下仍能准确识别全部九类机械故障。
樊红卫 · Shenglin, Liu · 曹现刚 · 张旭辉
Neurocomputing 2025
原型约束损失引导客户端特征向全局原型收敛，压缩同类样本距离，即使标签分布偏移也能保持少数类特征的可分性。
服务器端原型分离策略通过欧氏距离检测混淆类对，增大相似原型间距，避免原型重叠导致的误分类。
混合分类器通过双分支结构分别学习本地特征和全局类原型，动态加权融合输出，在个性化与全局一致性间取得平衡。