[发明专利]基于异构迁移学习的特征增强方法、装置及存储介质

权利要求书

1.基于异构迁移学习的特征增强方法，其特征在于，包括：

从多个源域进行第一特征提取，得到第一特征集合；

从目标域进行第二特征提取，得到第二特征集合；

根据预设的原始特征、所述第一特征集合和所述第二特征集合，在异构特征空间进行所述源域和所述目标域之间的迁移学习，构建得到基于迁移学习的异构特征空间；

其中，所述基于迁移学习的异构特征空间用于进行特征提取。

2.根据权利要求1所述的基于异构迁移学习的特征增强方法，其特征在于，所述根据预设的原始特征、所述第一特征集合和所述第二特征集合，在异构特征空间进行所述源域和所述目标域之间的迁移学习，构建得到基于迁移学习的异构特征空间，包括：

将所述源域和所述目标域的隐空间映射到一个共享隐空间中，所述共享隐空间中还包括所述原始特征。

3.根据权利要求2所述的基于异构迁移学习的特征增强方法，其特征在于，所述将所述源域和所述目标域的隐空间映射到一个共享隐空间中，包括：

根据所述共享隐空间，构造第一投影矩阵和第二投影矩阵；

根据所述第一投影矩阵，将所述源域的原始特征合并到所述源域的第一特征集合中；

根据所述第二投影矩阵，将所述目标域的原始特征合并到所述目标特征的第二特征集合中。

4.根据权利要求3所述的基于异构迁移学习的特征增强方法，其特征在于，所述将所述源域和所述目标域的隐空间映射到一个共享隐空间中，还包括：

采取监督或者半监督学习方式进行性能最大化的分类。

5.基于异构迁移学习的特征增强装置，其特征在于，包括：

第一模块，用于从多个源域进行第一特征提取，得到第一特征集合；

第二模块，用于从目标域进行第二特征提取，得到第二特征集合；

第三模块，用于根据预设的原始特征、所述第一特征集合和所述第二特征集合，在异构特征空间进行所述源域和所述目标域之间的迁移学习，构建得到基于迁移学习的异构特征空间；

其中，所述基于迁移学习的异构特征空间用于进行特征提取。

6.根据权利要求5所述的基于异构迁移学习的特征增强装置，其特征在于，所述第三模块，包括：

第一单元，用于根据所述共享隐空间，构造第一投影矩阵和第二投影矩阵；

第二单元，用于根据所述第一投影矩阵，将所述源域的原始特征合并到所述源域的第一特征集合中；

第三单元，用于根据所述第二投影矩阵，将所述目标域的原始特征合并到所述目标特征的第二特征集合中。

7.根据权利要求6所述的基于异构迁移学习的特征增强装置，其特征在于，所述第三模块，还包括：

第四单元，用于采取监督或者半监督学习方式进行性能最大化的分类。

8.一种电子设备，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器执行所述程序实现如权利要求1-4中任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-4中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4任意一项所述的方法。