[發(fā)明專利]數(shù)據(jù)識別方法、裝置、設備及計算機可讀存儲介質

在審

• 申請?zhí)枺?/td>: 202010567332.3
• 申請日: 2020-06-19
• 公開（公告）號: CN111723740A
• 公開（公告）日: 2020-09-29
• 發(fā)明（設計）人: 鞠策;高大山;譚奔;劉洋
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F3/01;G06N3/04;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張婷

1.一種數(shù)據(jù)識別方法，其特征在于，所述方法包括以下步驟：

獲取待識別時空數(shù)據(jù)，并將所述待識別時空數(shù)據(jù)轉換為空間協(xié)方差矩陣；

調用預設的目標識別模型中的流形降維層對所述空間協(xié)方差矩陣進行降維處理，得到預設維度的降維協(xié)方差矩陣；

調用所述目標識別模型中的切空間投影層將所述降維協(xié)方差矩陣投影到所述降維協(xié)方差矩陣的切空間上，得到投影結果；

將所述投影結果輸入到所述目標識別模型中的神經(jīng)網(wǎng)絡層，得到所述待識別時空數(shù)據(jù)的識別結果。

2.如權利要求1所述的數(shù)據(jù)識別方法，其特征在于，所述數(shù)據(jù)識別方法應用于參與橫向聯(lián)邦學習的數(shù)據(jù)端，所述獲取待識別時空數(shù)據(jù)，并將所述待識別時空數(shù)據(jù)轉換為空間協(xié)方差矩陣的步驟之前，還包括：

采用本地的時空訓練數(shù)據(jù)對待訓練識別模型進行本地訓練，得到用于更新所述待訓練識別模型的本地參數(shù)更新信息；

將所述本地參數(shù)更新信息發(fā)送給協(xié)調端，以供所述協(xié)調端對各個數(shù)據(jù)端發(fā)送的本地參數(shù)更新信息進行融合，得到全局參數(shù)更新信息；

接收所述協(xié)調端下發(fā)的所述全局參數(shù)更新信息，并根據(jù)所述全局參數(shù)更新信息更新所述待訓練識別模型，以基于更新后的待訓練識別模型得到所述目標識別模型。

3.如權利要求2所述的數(shù)據(jù)識別方法，其特征在于，參與橫向聯(lián)邦學習的各個數(shù)據(jù)端各自本地的時空訓練數(shù)據(jù)，在經(jīng)過各自本地的待訓練識別模型中流形降維層的處理后，所得到的降維矩陣均處于所述預設維度的共用嵌入空間。

4.如權利要求3所述的數(shù)據(jù)識別方法，其特征在于，所述采用本地的時空訓練數(shù)據(jù)對待訓練識別模型進行本地訓練，得到用于更新所述待訓練識別模型的本地參數(shù)更新信息的步驟包括：

將本地的時空訓練數(shù)據(jù)輸入待訓練識別模型進行識別，得到本地預測結果；

接收參與橫向聯(lián)邦學習的其他數(shù)據(jù)端發(fā)送的用于計算損失函數(shù)的中間結果；

基于所述中間結果計算得到與所述其他數(shù)據(jù)端之間的最大中值差異，其中，所述最大中值差異表征本地的時空訓練數(shù)據(jù)所對應的降維矩陣在所述共用嵌入空間的概率分布，與所述其他數(shù)據(jù)端的時空訓練數(shù)據(jù)對應的降維矩陣在所述共用嵌入空間的概率分布之間的差異；

基于所述本地預測結果和本地的所述時空訓練數(shù)據(jù)的標簽數(shù)據(jù)計算分類損失；

根據(jù)所述分類損失和所述最大中值差異計算得到所述待訓練識別模型的本地參數(shù)更新信息。

5.如權利要求1所述的數(shù)據(jù)識別方法，其特征在于，所述待識別時空數(shù)據(jù)為待識別腦電圖數(shù)據(jù)，所述將所述待識別時空數(shù)據(jù)轉換為空間協(xié)方差矩陣的步驟包括：

對所述待識別腦電圖數(shù)據(jù)進行轉置得到轉置矩陣，其中，所述待識別腦電圖數(shù)據(jù)是預設時長內的腦電圖數(shù)據(jù)構成的E*D矩陣，E為采集所述待識別腦電圖數(shù)據(jù)所使用的電極數(shù)，D為所述預設時長內的采樣頻率；

根據(jù)所述待識別腦電圖數(shù)據(jù)、所述轉置矩陣和所述采樣頻率，計算得到處于對稱正定矩陣流形的空間協(xié)方差矩陣。

6.如權利要求1所述的數(shù)據(jù)識別方法，其特征在于，所述調用預設的目標識別模型中的流形降維層對所述空間協(xié)方差矩陣進行降維處理，得到預設維度的降維協(xié)方差矩陣的步驟包括：

調用預設的目標識別模型中的流形降維層對所述空間協(xié)方差矩陣進行降維處理，以通過所述流形降維層的神經(jīng)元參數(shù)矩陣將所述空間協(xié)方差矩陣降維映射到預設維度的對稱正定矩陣流形上，得到降維協(xié)方差矩陣。

7.如權利要求1所述的數(shù)據(jù)識別方法，其特征在于，所述調用所述目標識別模型中的切空間投影層將所述降維協(xié)方差矩陣投影到所述降維協(xié)方差矩陣的切空間上，得到投影結果的步驟包括：

調用所述目標識別模型中切空間投影層對所述降維協(xié)方差矩陣進行對數(shù)映射，以將所述降維協(xié)方差矩陣投影到所述降維協(xié)方差矩陣的切空間上，得到投影結果。