图像分类/目标识别中小样本问题(休斯效应)

无论是在遥感图像还是红外图像的目标识别中，由于机载雷达，遥感卫星图像采集的高成本和高难度使得不容易采集到大量的图像用于训练模板；并且，在实际应用中，目标识别过程千变万化，无论建立的模板与实际情况有多么接近，考虑的情况多么完整，也有考虑不周全的情况，这就要求所建立的识别系统有较强的学习能力、泛化能力和鲁棒性。在目标识别中，对小样本的探讨，主要是通过分析样本数目和识别率关系来分析目标识别的泛化能力。

在模式识别领域中，通常情况会避免一种情况，即与特征数目相比，训练当样本不充足的情况。特征维数 k 与训练样本数目 n 的关系是 n=αk，α 一般选择 2、5 或 10 等。

当 α<1，即 $n\lt k$ 时，自相关函数定义为:

S=(∑i=1nXiX</