论文部分内容阅读
小样本分类问题由于包含的训练样本个数比较少,通常不足以训练一个理想的分类模型。小样本分类问题普遍存在于现实世界中,因此提高分类器在小样本分类问题上的性能就成为了研究的热点。本文针对该问题,提出了一种添加均匀分布噪声的数据扰动小样本分类算法。该算法首先对每一个原始样本添加一个服从均匀分布的噪声,对原始数据进行一定程度的扰动。然后在所获得的扰动数据集上训练分类模型。在UCI标准数据集上的仿真实验表明,本文算法较传统分类方法,能更有效地提高小样本分类问题的分类性能。