Graph and Low-Rank Based Cluster-Prototype Matching for Transductive Zero-Shot Learning
Este artículo propone el modelo de Emparejamiento de Prototipo de Clúster basado en Gráficos y Bajo Rango (GLCPM), un enfoque de aprendizaje de disparo cero transductivo que utiliza un marco de profesor-estudiante para aprender un mapeo de bajo rango que preserva tanto la estructura intrínseca local como las sub-variedades de las muestras incrustadas, mejorando así el reconocimiento de clases no vistas mediante un clasificador de ensamble que combina similitudes de prototipo de clúster y de muestra.