一种基于蒸馏知识迁移的小样本自学习精确识别方法

本发明公开了一种基于蒸馏知识迁移的小样本自学习精确识别方法，包括如下步骤：S1、提取源域深层语义特征与目标域少量样本浅层特征并计算映射矩阵；S2、基于初始对齐特征计算熵差蒸馏激励函数；S3、执行领域知识蒸馏并生成阶段性蒸馏表示；S4、构建复合适应度函数并初始化参数种群；S5、采用变步长动态反馈压缩策略迭代寻优；S6、加载最优参数并与历史蒸馏表示耦合对齐；S7、通过自学习反馈联合微调蒸馏权重和模型参数。本发明通过自适应知识蒸馏与动态优化反馈闭环，实现极少标注样本下的高精度、自适应识别，显著提升模型泛化能力并有效抑制过拟合。