分析在线持续学习分类器

参数可训练仅 0.75%

通过解析解更新参数,免去迭代训练,融合特征并平衡类别,在极低计算开销下实现在线持续学习。

Zeng, Ziqian · 74669633 · Lin, Wu · Lu, Weikai · Zhuang, Huiping

AEJ - Alexandria Engineering Journal 2025

参数信息

AMCA 分数提升
4.00-6.00 %
可训练参数量
0.75 %

技术优势

无需迭代训练

参数通过解析解直接计算,避免了耗时的反向传播,适合实时更新。

数据融合效率高

在特征层面融合多传感器数据,而非原始数据层面,降低通信和计算开销。

缓解类别不平衡

通过类别平衡器平衡各类别样本,防止模型偏向多数类。

保护道路隐私

该方法在特征层面进行数据融合,避免传输原始点云,从而减少隐私泄露风险。

应用场景