Nearest Class Mean

新型分类器应对类别增量学习挑战

研究人员开发了一种名为层级聚类SOINN（HC-SOINN）的新型分类器，以改进类别增量学习（CIL）。这种新方法通过捕获类别流形的拓扑结构，而不是假设单个点，来解决传统最近类别均值（NCM）分类器的局限性。HC-SOINN分类器通过残差结构拓扑对齐（STAR）方法进一步增强，该方法主动适应学习到的拓扑以应对复杂的特征漂移。将HC-SOINN集成到现有的CIL方法中已显示出持续的性能提升。