小样本学习经典算法及近年高效算法

小样本学习是指在数据量较少的情况下进行学习的一类机器学习方法。以下是小样本学习经典算法及近年高效算法：

经典算法：

1. K近邻算法（K-Nearest Neighbor，KNN）

2. 决策树算法（Decision Tree）

3. 支持向量机算法（Support Vector Machine，SVM）

4. 贝叶斯分类器（Bayesian Classifier）

5. 最小二乘法（Least Squares）

6. 神经网络算法（Neural Network）

近年高效算法：

1. 元学习（Meta-Learning）

2. 模型无关元学习（Model-Agnostic Meta-Learning，MAML）

3. 可变形卷积神经网络（Deformable Convolutional Neural Network，DCNN）

4. 全局与局部一致性网络（Global and Local Consistency Network，GLC-Net）

5. 集成学习（Ensemble Learning）

6. 迁移学习（Transfer Learning）

7. 生成对抗网络（Generative Adversarial Network，GAN）

8. 半监督学习（Semi-Supervised Learning）

9. 主动学习（Active Learning）

10. 弱监督学习（Weakly-Supervised Learning）