[发明专利]一种基于度量距离损失框架的半监督学习方法、设备及存储介质

摘要

本发明一种基于度量距离损失框架的半监督学习方法、设备及存储介质，S101、将分类损失、一致性损失、熵最小损失进行形式转换，并在转换后的一致性损失中加入伪标签作为类别信息，得到伪标签一致性损失，将转换后的分类损失、伪标签一致性损失、熵最小损失进行合成得到统一的半监督损失函数；S102、对统一后的半监督损失函数中核心的优化目标进行修正，添加自适应相似度权重、间距系数和缩放因子；S103、构建半监督神经网络模型，利用统一的半监督损失函数与梯度下降法优化神经网络模型参数；解决多任务下各个损失权重难以调节，优化方法不统一的问题。