[發明專利]用于訓練混合模型的方法和設備

在審

• 申請號: 201610201558.5
• 申請日: 2016-03-31
• 公開（公告）號: CN107292325A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 劉春辰;馮璐;衛文娟;藤卷遼平
• 申請（專利權）人: 日本電氣株式會社
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京市金杜律師事務所11256
• 代理人: 王茂華

1.一種用于訓練混合模型的方法，所述混合模型包括多個子模型，所述方法包括：

響應于接收到流數據中的第一數據集，確定所述第一數據集相對于所述多個子模型間的第一分布；

基于所述第一分布來更新用于所述多個子模型的模型參數；

響應于接收到所述流數據中在所述第一數據集之后的第二數據集，確定所述第二數據集相對于所述多個子模型間的第二分布；以及

基于所述第二分布來更新用于所述多個子模型的所述模型參數。

2.根據權利要求1所述的方法，其中基于所述第一分布來更新用于所述多個子模型的模型參數包括：

迭代執行以下操作至少一次，直至收斂條件被滿足：

基于所述第一分布來更新所述模型參數；以及

基于更新后的所述模型參數，更新所述第一分布。

3.根據權利要求1所述的方法，還包括：

確定所述混合模型的飽和度；以及

響應于所述混合模型的所述飽和度超過閾值水平，通過向所述混合模型添加新的子模型來擴展所述混合模型。

4.根據權利要求3所述的方法，其中確定所述混合模型的飽和度包括：

基于所述多個子模型中的活躍子模型的數目來確定所述飽和度，所述活躍子模型上分布的數據量超過閾值量。

5.根據權利要求3或4所述的方法，還包括：

響應于所述混合模型被擴展，提高所述閾值水平。

6.根據權利要求1所述的方法，其中所述第一分布由所述第一數據集的隱變量的變分分布表示，并且確定所述第一分布包括：

隨機地初始化所述隱變量的變分分布。

7.根據權利要求2所述的方法，其中所述收斂條件包括以下至少一個：

所述迭代的次數達到預定次數，以及

所述第一分布和所述模型參數中至少一個的變化量低于預定閾值。

8.根據權利要求1所述的方法，還包括：

響應于對所述混合模型的調用，確定所述混合模型中是否包含不活躍子模型，所述不活躍子模型上分布的數據量低于閾值量；

響應于確定所述混合模型中包括所述不活躍子模型，通過移除所述不活躍子模型來收縮所述混合模型。

9.根據權利要求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、二值矩陣分解模型或者分段線性混合模型。

10.一種用于訓練混合模型的設備，所述混合模型包括多個子模型，所述設備包括：

至少一個處理單元，被配置為：

響應于接收到流數據中的第一數據集，確定所述第一數據集相對于多個子模型間的第一分布；

基于所述第一分布來更新用于所述多個子模型的模型參數；

響應于接收到所述流數據中在所述第一數據集之后的第二數據集，確定所述第二數據集相對于所述多個子模型間的第二分布；以及

基于所述第二分布來更新用于所述多個子模型的所述模型參數。

11.根據權利要求10所述的設備，其中基于所述第一分布來更新用于所述多個子模型的模型參數包括：

迭代執行以下操作至少一次，直至收斂條件被滿足：

基于所述第一分布來更新所述模型參數；以及

基于更新后的所述模型參數，更新所述第一分布。

12.根據權利要求10所述的設備，所述至少一個處理單元還被配置為：

確定所述混合模型的飽和度；以及

響應于所述混合模型的所述飽和度超過閾值水平，通過向所述混合模型添加新的子模型來擴展所述混合模型。

13.根據權利要求12所述的設備，其中確定所述混合模型的飽和度包括：

基于所述多個子模型中的活躍子模型的數目來確定所述飽和度，所述活躍子模型上分布的數據量超過閾值量。

14.根據權利要求12或13所述的設備，所述至少一個處理單元還被配置為：

響應于所述混合模型被擴展，提高所述閾值水平。

15.根據權利要求10所述的設備，其中所述第一分布由所述第一數據集的隱變量的變分分布表示，并且確定所述第一分布包括：

隨機地初始化所述隱變量的變分分布。