[发明专利]模型迁移训练方法、装置、计算机设备及可读存储介质

权利要求书

1.一种模型迁移训练方法，其特征在于，包括：

与脉诊仪连接并获取脉搏数据，其中，所述脉搏数据包括脉象数据和脉诊数据，所述脉象数据描述了所述脉诊仪在采集部位下施加采集压力所获得的脉象表现，所述脉诊数据反映了所述脉象数据所属的脉象类别；

识别所述脉象数据的数据特性，并根据所述数据特性获取相似样本；其中，所述相似样本包括表现数据和类别数据；所述识别所述脉象数据的数据特性，并根据所述数据特性获取相似样本的步骤，包括：提取所述脉搏数据的数据特性并将所述数据特性设为目标特征，其中，所述数据特性是描述脉搏数据的形式特征的数据信息；提取所述目标特征中的关键字，识别预置的数据库中具有所述关键字的数据特性并将所述数据特性设为中间特征；将具有所述关键字的数量超过预置的关键数量的中间特征设为相似特征；或根据具有所述关键字的数量对所述中间特征进行降序排列得到中间队列，将位于所述中间队列首位的中间特征设为相似特征；

以所述表现数据为输入数据，以所述类别数据为输出数据对预置的神经网络模型进行训练得到中间模型；

将所述中间模型的输入层的通道数调整为所述脉象数据的维数，并将所述中间模型的输出层的通道数调整为所述脉诊数据的类别数量，使所述中间模型转为调整模型；其中，所述脉象数据的维数是指各所述采集部位与各所述采集压力一一对应形成组合对的数量，所述脉诊数据的类别数量是指所有所述脉象数据所属脉象类别的总数；

将所述脉象数据录入所述调整模型的输入层，并以所述脉诊数据作为输出数据，对所述调整模型进行训练用以获得成熟模型。

2.根据权利要求1所述的模型迁移训练方法，其特征在于，所述与脉诊仪连接并获取脉搏数据的步骤，包括：

通过TCP/IP协议与所述脉诊仪构建连接；

从所述脉诊仪中获取脉象数据，及获取与所述脉象数据对应的脉诊数据；

将所述脉象数据和所述脉诊数据整合成脉搏数据。

3.根据权利要求1所述的模型迁移训练方法，其特征在于，所述对所述调整模型进行训练用以获得成熟模型之后，所述方法还包括：

构建具有分类阈值的阈值分类规则，将所述阈值分类规则载入所述成熟模型中成为阈值分类层，用以提取所述成熟模型的输出层中的概率值，并根据所述概率值生成目标类别；

其中，所述阈值分类规则用于识别所述成熟模型的输出层中超过所述分类阈值的概率值，并将所述概率值所对应的输出类别设为目标类别。

4.根据权利要求1所述的模型迁移训练方法，其特征在于，所述对所述调整模型进行训练用以获得成熟模型之后，所述方法还包括：

构建具有差值阈值的差值分类规则；将所述差值分类规则载入所述成熟模型中成为差值分类层，用以提取所述成熟模型的输出层中的概率值，并根据所述概率值生成目标类别；

其中，所述差值分类规则用于提取所述成熟模型的输出层中的概率值，将所有概率值中的最大值和次大值相减得到分类差值；判断所述分类差值是否超过所述差值阈值；若是，则将所述最大值对应的输出类别设为目标类别；若否，则将所述最大值和所述次大值对应的输出类别设为目标类别。

5.根据权利要求3所述的模型迁移训练方法，其特征在于，所述将所述阈值分类规则载入所述成熟模型中成为阈值分类层之后，所述方法还包括：

构建阈值显示规则，将所述阈值显示规则载入所述成熟模型成为阈值显示层，用以提取所述阈值分类层中的目标类别，并根据所述目标类别生成显示信息；

其中，所述阈值显示规则用于按照概率值对所述目标类别进行降序排列得到目标队列，将所述目标队列中的目标类别及其概率值作为用于发送至客户端的显示信息；

所述将所述阈值显示规则载入所述成熟模型成为阈值显示层之后，所述方法还包括：

将所述阈值显示层生成的显示信息上传至区块链中。