[发明专利]用于训练混合模型的方法和设备

权利要求书

1.一种用于训练混合模型的方法，所述混合模型包括多个子模型，所述方法包括：

响应于接收到流数据中的第一数据集，确定所述第一数据集相对于所述多个子模型间的第一分布；

基于所述第一分布来更新用于所述多个子模型的模型参数；

响应于接收到所述流数据中在所述第一数据集之后的第二数据集，确定所述第二数据集相对于所述多个子模型间的第二分布；以及

基于所述第二分布来更新用于所述多个子模型的所述模型参数。

2.根据权利要求1所述的方法，其中基于所述第一分布来更新用于所述多个子模型的模型参数包括：

迭代执行以下操作至少一次，直至收敛条件被满足：

基于所述第一分布来更新所述模型参数；以及

基于更新后的所述模型参数，更新所述第一分布。

3.根据权利要求1所述的方法，还包括：

确定所述混合模型的饱和度；以及

响应于所述混合模型的所述饱和度超过阈值水平，通过向所述混合模型添加新的子模型来扩展所述混合模型。

4.根据权利要求3所述的方法，其中确定所述混合模型的饱和度包括：

基于所述多个子模型中的活跃子模型的数目来确定所述饱和度，所述活跃子模型上分布的数据量超过阈值量。

5.根据权利要求3或4所述的方法，还包括：

响应于所述混合模型被扩展，提高所述阈值水平。

6.根据权利要求1所述的方法，其中所述第一分布由所述第一数据集的隐变量的变分分布表示，并且确定所述第一分布包括：

随机地初始化所述隐变量的变分分布。

7.根据权利要求2所述的方法，其中所述收敛条件包括以下至少一个：

所述迭代的次数达到预定次数，以及

所述第一分布和所述模型参数中至少一个的变化量低于预定阈值。

8.根据权利要求1所述的方法，还包括：

响应于对所述混合模型的调用，确定所述混合模型中是否包含不活跃子模型，所述不活跃子模型上分布的数据量低于阈值量；

响应于确定所述混合模型中包括所述不活跃子模型，通过移除所述不活跃子模型来收缩所述混合模型。

9.根据权利要求1所述的方法，其中所述混合模型包括高斯混合模型、主成分分析PCA模型、二值矩阵分解模型或者分段线性混合模型。

10.一种用于训练混合模型的设备，所述混合模型包括多个子模型，所述设备包括：

至少一个处理单元，被配置为：

响应于接收到流数据中的第一数据集，确定所述第一数据集相对于多个子模型间的第一分布；

基于所述第一分布来更新用于所述多个子模型的模型参数；

响应于接收到所述流数据中在所述第一数据集之后的第二数据集，确定所述第二数据集相对于所述多个子模型间的第二分布；以及

基于所述第二分布来更新用于所述多个子模型的所述模型参数。

11.根据权利要求10所述的设备，其中基于所述第一分布来更新用于所述多个子模型的模型参数包括：

迭代执行以下操作至少一次，直至收敛条件被满足：

基于所述第一分布来更新所述模型参数；以及

基于更新后的所述模型参数，更新所述第一分布。

12.根据权利要求10所述的设备，所述至少一个处理单元还被配置为：

确定所述混合模型的饱和度；以及

响应于所述混合模型的所述饱和度超过阈值水平，通过向所述混合模型添加新的子模型来扩展所述混合模型。

13.根据权利要求12所述的设备，其中确定所述混合模型的饱和度包括：

基于所述多个子模型中的活跃子模型的数目来确定所述饱和度，所述活跃子模型上分布的数据量超过阈值量。

14.根据权利要求12或13所述的设备，所述至少一个处理单元还被配置为：

响应于所述混合模型被扩展，提高所述阈值水平。

15.根据权利要求10所述的设备，其中所述第一分布由所述第一数据集的隐变量的变分分布表示，并且确定所述第一分布包括：

随机地初始化所述隐变量的变分分布。