.png){kind=icon}
返回
Robust Distributed Cooperative Classification With Learned Compressed-Feature Diffusion
.png){kind=icon}
PRE
AI
DOI：10.1109/TPAMI.2026.3652297.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分布式传感器网络中的协同推理受到有限通信带宽和节点故障风险的挑战。本文介绍了用于去中心化分类的压缩特征扩散框架（CFD-DC），该框架解决了这些挑战。每个节点使用自身的特征以及从其他节点接收的压缩特征表示执行本地推理。我们的方法依赖于两个关键组件：首先，每个节点上的可训练特征压缩器学习紧凑表示，减少通信同时保留关键判别信息；其次，自适应节点加权机制动态调整本地和远程特征的影响，为不可靠或故障节点提供鲁棒性。在多视图图像分类和模拟多节点水下声学目标分类任务上的实验证明了该框架的有效性。结果表明，与集中式和最先进的多视图方法相比，该框架具有竞争力，通信成本降低，且在节点故障场景中表现出卓越的鲁棒性。
Keyword:
Cooperative inference
feature compression
decentralized classification
node-failure robustness
underwater target classification
期刊
IF:
18.6
论文数:
1.1K
被引数:
9.8W
机构
引用论文
Dimensionality reduction by Mixed Kernel Canonical Correlation Analysis基于混合核典型相关分析的降维方法.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
分享收藏Multi-View Graph Learning by Joint Modeling of Consistency and Inconsistency一致性与不一致性联合建模的多视图图学习
PREAI
分享收藏
查看更多内容