[發明專利]訓練數據集的生成方法及裝置、電子設備、存儲介質

有效

• 申請號: 202011351822.6
• 申請日: 2020-11-25
• 公開（公告）號: CN112465020B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張發恩;紀雙西
• 申請（專利權）人: 創新奇智（合肥）科技有限公司
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06F18/214
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 鐘揚飛

1.一種訓練數據集的生成方法，其特征在于，所述方法包括：

獲取已分類的源數據集以及未分類的目標數據集；

通過特征提取器提取所述源數據集的第一特征向量集以及所述目標數據集的第二特征向量集；

根據所述第一特征向量集確定所述源數據集對應的類中心特征向量、根據所述第二特征向量集確定所述目標數據集的聚類標簽和聚類簇內平均特征向量；

通過迭代優化所述特征提取器，使所述源數據集中樣本的特征向量與所述類中心特征向量之間，以及，聚類簇內元素的特征向量與聚類簇內平均特征向量之間的總體差異最小；

根據所述目標數據集的聚類標簽以及聚類簇內元素，獲得訓練數據集；

其中，所述根據所述第二特征向量集確定所述目標數據集的聚類標簽和聚類簇內平均特征向量，包括：

利用聚類算法，對所述第二特征向量集進行聚類劃分，獲得聚類簇；

根據所述聚類簇內每個元素的特征向量，確定所述聚類簇的聚類標簽以及聚類簇內平均特征向量；

其中，對所述第二特征向量集進行聚類劃分之后，所述方法還包括：

獲取未聚類的孤立點集；

根據所述孤立點集中每個元素的特征向量，生成所述孤立點集的標簽信息以及孤立點集特征向量；

其中，所述根據所述目標數據集的聚類標簽以及聚類簇內元素，獲得訓練數據集，包括：

從所述聚類簇內按照第一采樣比例，得到多個第一元素，從所述孤立點集中按照第二采樣比例，得到多個第二元素，所述多個第一元素和多個第二元素構成所述訓練數據集；

若所述訓練數據集中任意一類元素的數量小于閾值，從相應的聚類簇內檢索與所述一類元素近似的類樣本，擴充所述訓練數據集；

其中，所述通過迭代優化所述特征提取器，使所述源數據集中樣本的特征向量與所述類中心特征向量之間，以及，聚類簇內元素的特征向量與聚類簇內平均特征向量之間的總體差異最小，包括：

通過迭代優化所述特征提取器，使所述孤立點集中每個元素的特征向量與所述孤立點集特征向量之間、所述源數據集中樣本的特征向量與所述類中心特征向量之間，以及，聚類簇內元素的特征向量與聚類簇內平均特征向量之間的總體差異最小。

2.根據權利要求1所述的方法，其特征在于，所述通過特征提取器提取所述源數據集的第一特征向量集以及所述目標數據集的第二特征向量集，包括：

通過特征提取器提取所述源數據集中每個樣本的特征向量，得到所述第一特征向量集；

通過特征提取器提取所述目標數據集中每個元素的特征向量，得到所述第二特征向量集。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一特征向量集確定所述源數據集對應的類中心特征向量，包括：

計算所述第一特征向量集中多個樣本的特征向量的均值，得到所述源數據集對應的類中心特征向量。