[發明專利]數據識別方法、裝置、設備及計算機可讀存儲介質在審

申請號：	202010567332.3	申請日：	2020-06-19
公開（公告）號：	CN111723740A	公開（公告）日：	2020-09-29
發明（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
地址：	518000 廣東省深圳市前海深港合作區前***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	數據識別方法裝置設備計算機可讀存儲介質
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種數據識別方法、裝置、設備及計算機可讀存儲介質，所述方法包括：獲取待識別時空數據，并將所述待識別時空數據轉換為空間協方差矩陣；調用預設的目標識別模型中的流形降維層對所述空間協方差矩陣進行降維處理，得到預設維度的降維協方差矩陣；調用所述目標識別模型中的切空間投影層將所述降維協方差矩陣投影到所述降維協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網絡層，得到所述待識別時空數據的識別結果。提供了一種采用深度學習技術來實現數據識別任務的方案，提升了時空數據的識別準確率。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種數據識別方法、裝置、設備及計算機可讀存儲介質。

背景技術

在各種應用領域，數據成為解決問題的關鍵，隨著傳感器等數據采集設備的技術發展，數據采集設備所采集的時空數據在具體問題中所具備的價值也越來越高。時空數據即具備時空屬性的數據，例如，激光雷達采集的雷達數據，腦機接口領域中采集的腦電圖(EEG)數據等。目前，深度學習已廣泛應用于各種領域解決各種問題，然而，在應用于時空數據識別任務時，例如應用于對腦電圖數據進行識別，以根據識別到的人的動作意圖控制外部設備的人物，由于時空數據采集上存在難度，難以達到深度學習需要大規模訓練數據集才能完成模型訓練的需求，也就導致了目前缺乏采用深度學習技術來實現數據識別任務的方案。

發明內容

本發明的主要目的在于提供一種數據識別方法、裝置、設備及計算機可讀存儲介質，旨在解決目前缺乏采用深度學習技術來實現數據識別任務的方案。

為實現上述目的，本發明提供一種數據識別方法，所述方法包括以下步驟：

獲取待識別時空數據，并將所述待識別時空數據轉換為空間協方差矩陣；

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

調用所述目標識別模型中的切空間投影層將所述降維協方差矩陣投影到所述降維協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網絡層，得到所述待識別時空數據的識別結果。

可選地，所述數據識別方法應用于參與橫向聯邦學習的數據端，所述獲取待識別時空數據，并將所述待識別時空數據轉換為空間協方差矩陣的步驟之前，還包括：

采用本地的時空訓練數據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更新信息；

將所述本地參數更新信息發送給協調端，以供所述協調端對各個數據端發送的本地參數更新信息進行融合，得到全局參數更新信息；

接收所述協調端下發的所述全局參數更新信息，并根據所述全局參數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。

可選地，參與橫向聯邦學習的各個數據端各自本地的時空訓練數據，在經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。