小样本分类精度提升
该方法通过傅立叶域幅度谱增强与数据分流融合，为小样本分类提供了一种独立于元学习的新途径。
Shao, Shuai · Yan, Wang · Bin, Liu · 刘伟锋 · 王延江 · 刘宝弟
IEEE Transactions on Circuits and Systems for Video Technology 2023
FADS 仅靠数据增强就能提升小样本分类精度，因此无需设计复杂的元学习框架或训练策略。
数据分流将增强样本分组成多个弱决策再融合成强决策，实验在四个基准数据集上取得 0.3%–2% 的精度提升。
FADS 是一个独立的数据增强模块，可替换现有流程中的数据增强步骤，无需改变分类器或训练框架。