提升少样本识别精度
该算法通过集成聚类和自适应伪标签策略，显著提高了半监督少样本图像分类的准确率，尤其在跨域场景下表现突出。
al-Habib, Mohammed · 张祖平 · Abdulrahman, Noman · Al-Qatf, Majjed · Abdelaziz, Mounir
Applied Soft Computing Journal 2026
采用多种聚类算法，通过 silhouette 分数和差异分数为每个簇分配权重，自适应地优化硬伪标签和软伪标签，从无标签样本中提取出更准确的分布信息。
通过集成样本选择模块，在不同聚类器之间执行多数投票，丢弃低置信度的伪标签，避免噪声标签污染后续训练。
在只有 1 个或 5 个有标签样本的设定下，即 1-shot 和 5-shot，均能显著提升分类准确率，适用于标注数据稀缺的场景。