[發明專利]一種跨用戶行為識別遷移學習方法、系統及電子設備

在審

• 申請號: 202111544484.2
• 申請日: 2021-12-16
• 公開（公告）號: CN114511921A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 方劍平;李文雄;林建旋;胡思林;閆航;付一夫;郭航瑞;周朝煒
• 申請（專利權）人: 廈門智小金智能科技有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/40;G06K9/62;G06V10/764;G06N3/04;G06N3/08
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 李雁翔

1.一種跨用戶行為識別遷移學習方法，其特征在于，包括如下步驟：

獲取源數據集D_S，源數據集D_S中包含用戶N個類別的行為數據，獲取目標數據集D_T，目標數據集D_T中包含N個類別的行為數據；

構建用戶行為識別初始網絡模型，并使用源數據集對用戶行為識別初始網絡模型進行訓練，初始網絡模型包含源特征提取網絡和源分類器兩部分；

構建用戶行為識別遷移網絡模型，包括目標特征提取網絡、特征對齊網絡和目標分類器，其中用戶行為識別遷移網絡模型中的目標特征提取網絡和目標分類器采用用戶行為識別初始網絡模型中的源特征提取網絡和源分類器進行初始化；

隨機抽取源數據集和目標數據集中相同類別的行為數據，組成特征對齊網絡訓練集，根據用戶的行為類別逐一訓練特征對齊網絡；

采用目標數據集訓練遷移網絡模型，更新分類器，并對目標特征網絡、特征對齊網絡進行微調。

2.根據權利要求1所述的一種跨用戶行為識別遷移學習方法，其特征在于，源特征提取網絡和目標特征提取網絡均采用LSTM結構，具體為：

遺忘門函數f_t決定細胞狀態里的信息，輸入輸入層x_t以及上一個隱藏層的輸出數據h_t-1，初始隱藏層數據為0，輸出為[0，1]區間的一個數值反饋給細胞狀態c_t-1；其中1表示“完全保留”，0表示“完全舍棄”，遺忘門函數f_t計算公式如下，其中W_f、U_f、b_f為可訓練參數；

f_t＝σ(W_fx_t+U_fh_t-1+b_f)

輸入門函數i_t決定細胞狀態需要更新的數據；更新細胞狀態，把之前的狀態與f_t相乘丟棄掉需要丟棄的信息，再加入新更新的細胞狀態，其中W_i、U_i、b_i為可訓練參數：

i_t＝σ(W_ix_t+U_ih_t-1+b_i)

輸出門函數o_t決定輸出部分細胞狀態，細胞狀態函數c_t、輸出門函數o_t以及輸出數據h_t計算公式如下，其中W_c、U_c、b_c、W_o、U_o、b_o為可訓練參數：

c_t＝f_ic_t-1+i_t×(tanh(W_cx_t+U_ch_t-1+b_c))

o_t＝σ(W_ox_t+U_oh_t-1+b_o)

h_t＝o_t×tanh(c_t)

其中f_t、i_t、o_t、c_t分別表示LSTM中的遺忘門、輸入門、輸出門以及細胞狀態；σ(·)代表Sigmoid激活函數，tanh(·)代表tanh激活函數。

3.根據權利要求1所述的一種跨用戶行為識別遷移學習方法，其特征在于，所述用戶行為包括但不限于：抽煙、喝水、走路和掃地。