面向气体识别的小样本学习、注意力机制与判别子空间方法

围绕判别稀疏子空间学习与流形正则化（DSSL-MR）算法构建，为模式识别领域多分类任务提供标准化实验数据支撑。数据集以6个国际公开真实世界数据集为基础构建，覆盖人脸识别、物体分类、手写数字识别、网页文本分类等典型多分类场景，可全面支撑对算法泛化性能的验证需求。本数据集包含原始数据和算法适配后的加工数据服务于算法性能对比、有效性验证等核心研究内容，同时可为模式识别领域子空间学习类算法的对比研究提供标准化基准数据。采用多注意力机制（通道注意力与空间注意力）与互信息最大化策略，支持分布式训练架构，通过图像归一化、类别划分、噪声去除等标准化预处理流程保障数据质量。在小样本学习任务中，该数据集在Mini-ImageNet 5-way 1-shot任务中准确率约55%，5-way 5-shot任务中准确率约69%；Tiered-ImageNet 5-way 1-shot任务中准确率约59%，5-way 5-shot任务中准确率约73%。提出了一种基于膨胀因果卷积和注意力机制的气体识别方法，该算法结合Transformer中的注意力机制和多尺度时态卷积网络提取全局和局部特征，获得了更具表示性的特征和更大的感受野，捕获气体的瞬时信息和变化趋势。在Open Sampling、Drift、Twin 3个不同数据集上进行了实验，结果表明，所提出的方法分别达到99.47%、99.61%和99.22%的准确率，优于现有主流方法，证实了其有效性。