[发明专利]针对乏样本分类的分层迁移学习方法、介质、装置和设备

权利要求书

1.一种针对乏样本分类的分层迁移学习方法，包括：

建立待处理对象的层次化模型，使得其最少包括每一层次的控制参数以及至少一个层次基于区别特征的签名；

利用不同类别的样本得到所述每一层次的控制参数。

2.如权利要求1所述的方法，其中，所述层次至少包括类别层次、样本层次和任务层次中的一种。

3.如权利要求1或2所述的方法，其中，利用不同类别的样本得到所述每一层次的控制参数包括：

利用不同类别的样本得到预定数量的训练数据；

利用所述训练数据得到所述每一层次的控制参数。

4.如权利要求3所述的方法，其中，利用不同类别的样本得到预定数量的训练数据包括：

重复执行任务直到得到预定数量的训练数据，其中所述任务包括：

从所述样本中选取多个不同类别的样本；

将选取出的样本之一作为目标样本；

提取所述选取出的样本中除所述目标样本之外的其他样本之间的区别特征；

基于所述目标样本、所述选取出的样本中除所述目标样本之外的其他样本以及区别特征确定所述目标样本的训练数据。

5.如权利要求1或2所述的方法，其中所述训练数据表征其所属的样本与提取出区别特征的样本之一基于所述区别特征近似。

6.如权利要求1-5任一所述的方法，其中，所述训练数据按照预设方式编码。

7.如权利要求1-6任一所述的方法，其中，每一任务中除目标样本外包括两个其他样本。

8.一种针对乏样本分类的分层迁移学习装置，包括：

模型建立模块，被配置为建立待处理对象的层次化模型，使得其最少包括每一层次的控制参数以及至少一个层次基于区别特征的签名；

参数计算模块，被配置为利用不同类别的样本得到所述每一层次的控制参数。

9.一种计算机可读存储介质，存储有程序代码，所述程序代码当被处理器执行时，实现如权利要求1-7之一所述的方法。

10.一种计算设备，包括处理器和存储有程序代码的存储介质，所述程序代码当被处理器执行时，实现如权利要求1-7之一所述的方法。